Sveučilište u Zagrebu

Ekonomski fakultet

Diplomski studij Trgovina

ANALIZA TRGOVANJA STAMBENIM NEKRETNINAMA I

NEKRETNINAMA U TRGOVINI NA MALO U HRVATSKOJ NA

TEMELJU DIPASQUALE-WHEATON MODELA

DIPLOMSKI RAD

Filip Dumbović

Zagreb, siječanj 2016.

Sveučilište u Zagrebu

Ekonomski fakultet

Diplomski studij Trgovina

ANALIZA TRGOVANJA STAMBENIM NEKRETNINAMA I

NEKRETNINAMA U TRGOVINI NA MALO U HRVATSKOJ NA

TEMELJU DIPASQUALE-WHEATON MODELA

ANALYSIS OF RESIDENTIAL AND RETAIL REAL ESTATE

TRADE IN CROATIA ON THE BASIS OF DIPASQUALE-

WHEATON MODEL

Kolegij: Napredna makroekonomija

Ime i prezime studenta: Filip Dumbović

Broj indexa: D5886R13

Mentor: Izv. prof. dr. sc. Josip Tica

Zagreb, siječanj 2016.

1

_____________________________

Ime i prezime studenta/ice

IZJAVA O AKADEMSKOJ ČESTITOSTI

Izjavljujem i svojim potpisom potvrđujem da je ______________________________

(vrsta rada)

isključivo rezultat mog vlastitog rada koji se temelji na mojim istraživanjima i oslanja

se na objavljenu literaturu, a što pokazuju korištene bilješke i bibliografija. Izjavljujem

da nijedan dio rada nije napisan na nedozvoljen način, odnosno da je prepisan iz

necitiranog rada, te da nijedan dio rada ne krši bilo čija autorska prava. Izjavljujem,

također, da nijedan dio rada nije iskorišten za bilo koji drugi rad u bilo kojoj drugoj

visokoškolskoj, znanstvenoj ili obrazovnoj ustanovi.

Student/ica:

U Zagrebu,_____________

_________________________

(potpis)

2

SAŽETAK I KLJUČNE RIJEČI

Posljednjih 6 godina Hrvatska je ušla u razdoblje stagnacije koje je utjecalo na velik

dio hrvatske ekonomije. Hrvatsko stambeno tržište i tržište nekretnina u trgovini na

malo čine važan dio hrvatskog gospodarstva kao dio tri sektora u obračunu BDP,

sektor poslovanja nekretninama, sektor građevinarstva i sektor trgovine na veliko i

malo. Tri navedena sektora čine otprilike četvrtinu hrvatskog BDP. Prva dva su tržišta

trajnih dobara koja se modeliraju pomoću stock-flow modela. Sva tri sektora su

doživjela pad aktivnosti, naročito sektor građevinarstva koji se spustio na najniže

razine od osamostaljenja. Rad se temelji na radu ekonomista Denisa DiPasqualea i

Williama Wheatona koji su izradili jednostavan model analize tržišta nekretnina. Kako

bi se što jasnije pristupilo primjeni modela, opisane su karakteristike hrvatskog

stambenog tržišta i tržišta nekretnina u trgovini na malo pomoću prikupljenih podataka.

Modelom će se pokušati teorijski objasniti determinante koje djeluju na strani ponude

i potražnje na stambeno tržište i tržište nekretnina u trgovini na malo. Osim teorijske

analize, provest će se i empirijska analiza stambenog tržišta na području grada

Zagreba i čitave Hrvatske. Rezultati statističke analize omogućit će uvid u najbitnije

determinante modela te procjenu mogućih budućih kretanja domaćeg stambenog

tržišta.

Ovim radom će se analizirati hrvatsko stambeno tržište i tržište nekretnina u trgovini

na malo na temelju DiPasuale-Wheaton modela.

Ključne riječi: stambeno tržište, tržište nekretnina, tržište nekretnina u trgovini na

malo, građevinarstvo, ponuda i potražnja

3

SUMMARY AND KEY WORDS

In the last 6 years, Croatia has entered a period of stagnation that has affected a large

part of Croatian economy. Croatian housing market and retail real estate market are

an important part of Croatian economy through three economic sectors accountable

in Croatian GDP: real estate, construction, wholesale and retail. The three mentioned

sectors make up roughly a quarter of Croatian GDP. The first two sectors operate as

durable goods markets that are modeled as stock-flow models. All three sectors have

experienced an activity decline, construction sector being hit the most while reaching

the lowest point of activity since the Croatian independence. The thesis is based on

the work of economists Denise DiPasquale and William Wheaton who have made a

simple model of real estate market analysis. In order to describe the application of the

model, characteristics of Croatian housing and retail real estate market were described

using obtained data. The model will theoretically explain the determinants working on

the supply and demand in the housing and retail real estate market. In addition to

theoretical, an empirical analysis will be conducted on the housing market in Zagreb

and Croatia as a whole. Results of statistical analysis will provide insight into the most

important determinants of the model and assessment of possible future developments

of the domestic housing market.

This paper will analyze the Croatian housing market and retail real estate market

based on DiPasuale-Wheaton model.

Key words: housing market, real estate market, retail real estate, construction, supply

and demand

4

SADRŽAJ

IZJAVA O AKADEMSKOJ ČESTITOSTI .................................................................... 1

SAŽETAK I KLJUČNE RIJEČI ................................................................................... 2

SUMMARY AND KEY WORDS ................................................................................. 3

1. UVOD ..................................................................................................................... 6

1.1. Predmet i cilj rada ............................................................................................ 6

1.2. Izvori podataka i metode prikupljanja ............................................................... 6

1.3. Struktura i sadržaj rada .................................................................................... 7

2. DIPASQUALE-WHEATON MODEL ....................................................................... 8

2.1. Model 4 kvadranta ........................................................................................... 9

2.2. Kretanje modela ............................................................................................. 14

3. PODACI ............................................................................................................... 18

3.1. Prikupljeni podaci ........................................................................................... 18

3.2. Procijenjeni podaci ......................................................................................... 19

3.3. Karakterističnost trgovanja stambenim nekretninama u Hrvatskoj ................. 22

3.4. Tržište nekretnina u trgovini na malo ............................................................. 28

4. METODOLOGIJA ................................................................................................. 32

4.1. Ekonometrijski model ponude i potražnja stambenog tržišta ......................... 32

4.1.1. Statički model .......................................................................................... 32

4.1.2. Dinamički model ...................................................................................... 34

4.2. Ekonometrijski model ponude i potražnje tržišta nekretnina u trgovini na malo

.............................................................................................................................. 35

5

5. EMPIRIJSKI REZULTATI ..................................................................................... 38

5.1. Statički model ponude i potražnje .................................................................. 38

5.1.1. Hrvatska, cjelovita analiza ....................................................................... 39

5.1.2. Hrvatska, analiza po 6-godišnjim razdobljima .......................................... 43

5.1.3. Zagreb, cjelovita analiza .......................................................................... 47

5.1.4. Zagreb, analiza po 6-godišnjim razdobljima............................................. 50

5.2. Dinamički model ponude i potražnje .............................................................. 53

5.2.1. Hrvatska .................................................................................................. 53

5.2.2. Zagreb ..................................................................................................... 60

6. ZAKLJUČAK ........................................................................................................ 66

7. LITERATURA ....................................................................................................... 68

8. TABLICE .............................................................................................................. 71

9. POPIS GRAFIKONA ............................................................................................ 73

10. ŽIVOTOPIS KANDIDATA ................................................................................... 75

6

1. UVOD

Hrvatsko trgovanje stambenim i trgovačkim nekretninama je velik sustav koji

funkcionira na principu svakog slobodnog tržišta, odnosno na međuovisnosti ponude

i potražnje. Tema ovog rada će biti analiza trgovanja stambenim nekretninama i

nekretninama u trgovini na malo pomoću modela razvijenog od strane ekonomista

Denisa DiPasqualea i Williama Wheatona. Regresijskom analizom na temelju

prikupljenih podataka pokušat će se objasniti koje odrednice utječu na tržište

stambenih i trgovačkih nekretnina na strani ponude i potražnje. Dobiveni rezultati

omogućit će procjenu budućih trendova kretanja tržišta te smjernice za eventualna

poboljšanja.

1.1. Predmet i cilj rada

Radom će se prikazati teoretski okviri modela tržišta stambenih nekretnina i

nekretnina u trgovini na malo. Potom će se empirijski istražiti funkcioniranje hrvatskog

stambenog tržišta te statistički analizirati dobivene rezultate i prikazati izvedene

zaključke. Na kraju će se ponuditi smjernice za moguća poboljšanja ovog područja.

Metoda istraživanja koja će biti korištena u diplomskom radu počiva na analizi

znanstvene i stručne literature. Analiza je odrađena za razdoblje 1997.-2014. godine

jer se pretpostavilo kako je 17 godina dovoljno dugačko razdoblje za donošenje

određenih zaključaka te je to jedino razdoblje postojanja tržišnih mehanizama nakon

razdoblja tranzicije iz sustava socijalizma.

1.2. Izvori podataka i metode prikupljanja

Glavna metodologija rada je primjena ekonometrijskih modela na hrvatsko

stambeno tržište uz pomoć prikupljenih podataka. Svi podaci korišteni u radu su

sekundarni podaci. Većina podataka prikupljena je sa stranica Državnog zavoda za

statistiku te Hrvatske narodne banke, podaci koje nije bilo moguće naći su procijenjeni

na temelju kretanja povijesnih podataka.

Za potrebe analize i interpretacije rezultata, koristit će se Microsoft Office

program Excel kako bi se mogli prikazati dobiveni rezultati i izvesti valjani zaključci

kao i smjernice za buduća istraživanja na ovom području.

7

1.3. Struktura i sadržaj rada

Rad započinje opisom DiPasquale-Wheaton modela i njegovim

funkcioniranjem na ekonomske šokove. Potom su opisane karakteristike hrvatskog

stambenog tržišta koje je empirijsko obrađeno pomoću DW modela. Također je

opisano i hrvatsko tržište nekretnina u trgovini na malo koje nije obrađeno zbog

nedostatka podataka. Poglavlje 3. Podaci se sastoji od opisa prikupljanja podataka te

procijeni podataka do kojih nije bilo moguće doći. U poglavlju 4. opisana je

metodologija analize podataka statičkog i dinamičkog DW modela. Također je opisana

i metodologija analize podataka tržišta nekretnina u trgovini na malo. Poglavlje 5. je

podijeljeno na empirijsku analizu statičkog modela i empirijsku analizu dinamičkog

modela. Statički model je podijeljen na cjelovitu analizu razdoblja i analizu po

periodima za zagrebačko tržište i tržište cijele Hrvatske. Dinamički model je također

obrađen za područje Zagreba i cijele Hrvatske. U poglavlju 6. Zaključak, izneseni su

osnovni zaključci rada te provedenog istraživanja. Poglavlje 7. Tablice, sadržava

podatke na temlju kojih je izvedena analiza statičkog i dinamičkog modela za područje

Zagreba i područje cijele Hrvatske.

8

2. DIPASQUALE-WHEATON MODEL

Građevinarstvo i poslovanje nekretninama važne su grane djelatnosti koje u

ukupnom bruto društvenom proizvodu Hrvatske sudjeluju u iznosu od 5 do 7%

(građevinarstvo) te 7 do 8% (poslovanje nekretninama) za razdoblje od 2000. do

danas. Ove djelatnosti, također zapošljavaju i velik broj radnika pa tako prema statistici

DZS, broj zaposlenih u građevinarstvu varira između 70 i 120 tisuća radnika, dok u

sektoru poslovanja nekretninama taj broj varira između 2 i 7 tisuća radnika za isto

razdoblje.1 Iz navedenih podataka moguće je zaključiti kako je građevinarstvo u

Hrvatskoj prvenstveno radno intenzivna djelatnost dok je poslovanje nekretninama

kapitalno intenzivna djelatnost. Tržište stambenih nekretnina i tržište nekretnina u

trgovini na malo čine važan udjel u građevinskom sektoru i sektoru poslovanja

nekretninama te ih to čini zanimljivom temom istraživanja ovog rada.

Stambeno tržište spada u tržište trajnih dobara te je njegova proizvodnja i cijena

određena na tržištu kapitala. Na takvom tržištu, potražnja za vlasništvom nad

nekretninom mora biti jednaka ponudi nekretnina. Zbog toga je cijena nekretnine u

većem dijelu određena količinom kućanstava koja žele posjedovati nekretninu u

odnosu na količinu nekretnina koja je dostupna na tržištu. Na isti način količina i cijena

nekretnine trgovačkog prostora ovisi o tome koliko investitora želi posjedovati takvu

nekretninu u odnosu na ukupnu količinu prostora koja je prisutna na tom tržištu. U oba

slučaja, ako je sve ostalo jednako, porast potražnje za nekretninama će podići cijenu

nekretnina dok će porast ponude nekretnina uzrokovati pritisak na smanjenje cijena

nekretnina.2

DiPasquale i Wheaton su 1994. godine u svojoj knjizi Urban Economics and

Real Estate Markets izveli statički model 4 tržišta koji prati veze između tržišta

nekretnina i varijabli tržišta imovine te prilagodbe koje se događaju kako bi se ostvarila

ravnoteža ponude i potražnje za nekretninama. Model se temelji na principima

modeliranja ponude i potražnje te je njegov primarni cilj odrediti tržišnu ravnotežu,

1 Državni zavod za statistiku (2014.). Statistički ljetopisi 2006-2014. Zagreb: Državni zavod za statistiku. 2 DiPasquale, D., Wheaton, W. (1992). The markets for Real Estate Assets and Space: A Conceptual Framework, Journal of the American Real Estate and Urban Economics Association, 1992, V20, 1: pp. 181-197.

9

odnosno količinu nekretninskog prostora koja se traži i nudi za zadanu cijenu

korištenjem ekonomskih varijabli poput zaposlenosti i kamatnih stopa koje su prisutne

na promatranom tržištu.

U nastavku poglavlja objasnit će se statički model 4 tržišta, koji se bazira na

stock-flow modelu, varijable koje utječu na njega te potom način njegova kretanja

prilikom promjene istih. Osim statičke analize, DiPasquale i Wheaton izveli su i

dinamički model tržišta nekretnina. Dok statički model prikazuje stanje tržišta

nekretnina u danom trenutku te način njegova reagiranja, dinamički model koristi se

kako bi se prikazalo kretanje zavisnih varijabli u vremenu. Primjena statičkog i

dinamičkog modela na temelju hrvatskog tržišta stambenih i nekretnina u trgovini na

malo detaljno je objašnjena u 4. poglavlju, Metodologija.

2.1. Model 4 kvadranta

DiPasquale-Wheaton temelje svoj model na međuovisnosti dva tržišta, tržištu

imovine i tržištu nekretnina. Ponuda novih nekretnina ovisi o cijeni tih nekretnina u

odnosu na trošak zamjene ili izgradnje. U dugom roku, tržište nekretnina bi trebalo

izjednačiti cijenu nekretnine s troškom njezine zamjene. U kratkom roku, te dvije cijene

mogu prilično varirati zbog zastoja i kašnjenja koji su prisutni u procesu izgradnje. Ako

se potražnja za posjedovanjem prostora naglo poveća, tada, uz fiksnu ponudu

nekretnina, rastu i cijene. Kada cijene dođu iznad troškova konstrukcije i troškova

zemljišta, pokreće se novi proces izgradnje. Izgradnjom novih kvadrata nekretnina,

raste ponuda koja se izjednačava s potražnjom te se cijene vraćaju ravnotežnu razinu.

Na tržištu nekretnina, potražnja za korištenjem ili posjedovanjem prostora

dolazi od korisnika tog prostora, bili oni vlasnici ili zakupci, tvrtke ili kućanstva. Prostor,

odnosno nekretnina je za tvrtke jedan od mnogih faktora u proizvodnji te kao i ostali

faktori, njegovo korištenje ovisi o razinama proizvodnje i relativnom trošku prostora.

Potražnja kućanstva za nekretninom ovisi o dohotku i trošku posjedovanja prostora u

odnosu na trošak konzumacije drugih roba. Za tvrtke i kućanstva, trošak posjedovanja

nekretnine jest godišnji izdatak potreban za korištenje nekretnine, odnosno renta. Ista

premisa vrijedi i za zakupce.

10

Renta se određuje na tržištu nekretnina, a ne na tržištu imovine. Na tržištu

nekretnina, ponuda prostora je izvedena iz tržišta imovine. Potražnja za prostorom

ovisi o renti i ostalim egzogenim ekonomskim faktorima kao što je razina zaposlenosti,

dohodak, broj kućanstava i drugi. Zadatak tržišta nekretnina je odrediti razinu rente za

koju je potražnja za prostorom jednaka ponudi tog prostora. Ceteris paribus, kada

poraste broj produktivnost, dohodak, broj kućanstava ili neki sličan faktor, doći će do

povećanja potražnje za prostorom. Uz fiksnu ponudu, cijene će porasti.

Veza između tržišta imovine i tržišta nekretnina javlja se na 2 spoja. Prvo, razina

rente određena na tržištu nekretnina je glavna u određivanju potražnje za imovinom.

Stjecanjem imovine, investitori u stvari kupuju trenutne ili buduće tokove prihoda. Zbog

toga promjena rente koja se događa na tržištu nekretnina trenutno utječe na potražnju

Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 8.

Grafikon I.: DiPasquale-Wheaton model 4 kvadranta

11

za imovinom na tržištu kapitala. Drugi spoj između tržišta nekretnina i tržišta imovine

se pojavljuje u sektoru izgradnje. Ako se poveća izgradnja i ponuda imovine, ne samo

da će doći do smanjenja cijena već će pasti i rente. Ove veze između dva tržišta su

prikazane u Grafikonu I.: Model 4 kvadranta.

Koordinatni sustav se dijeli na desni, istočni dio koji predstavlja tržište

nekretnina za korištenje prostora te lijevi, zapadni dio koji predstavlja tržište imovine

za vlasništvo nad nekretninama. Radi lakše orijentacije kvadranti će se nazivati po

stranama svijeta. Renta se određuje u kratkom roku u sjeveroistočnom kvadrantu koji

se sastoji od osi rente, u originalu mjerene u $, u ovom radu iskazana u Hrvatskoj Kuni

(Kn). Druga os je os fonda kvadrata nekretnina, u originalu iskazana u kvadratnim

stopama, u ovom radu iskazana u kvadratnim metrima (m²). Potražnja za

nekretninama, iskazana u kvadraturi, crta se u sjeveroistočnom kvadrantu. U

ravnoteži, potražnja D, je jednaka fondu prostora S. Na grafikonu, ako je fond zadan,

renta, R, mora biti određena tako da potražnja za prostorom bude jednaka ponudi tog

prostora. Potražnja je funkcija rente i stanja u ekonomiji.

𝐷(𝑅, 𝐸𝑐𝑜𝑛𝑜𝑚𝑦) = 𝑆 (1.1)

Sjeverozapadni kvadrant predstavlja prvi dio tržišta imovine te se sastoji od

osiju rente i cijene, obje iskazane u Hrvatskoj Kuni te se odnose na kvadrat prostora.

Zraka koja izlazi iz ishodišta je stopa kapitalizacije nekretnina: omjer rente i cijene. To

je trenutačni prinos koji investitori traže da bi držali svoju imovinu u nekretninama. U

globalu, četiri faktora određuju stopu kapitalizacije: dugoročne kamatne stope,

predviđeni rast rente, rizik povezan s tokom prihoda rente te porezi na nekretnine.

Viša stopa kapitalizacije će zakrenuti zraku u smjeru kazaljke na satu dok će

smanjenje stope zakrenuti zraku u smjeru suprotnom od smjera kazaljke na satu. U

ovom kvadrantu, stopa kapitalizacije je uzeta kao egzogena varijabla koja se temelji

na kamatnim stopama i stopama povrata na tržištu kapitala za svu imovinu. Zbog toga

je namjena sjeverozapadnog kvadranta preuzeti razinu rente sa sjeveroistočnog

kvadranta i odrediti cijenu nekretnine koristeći stopu kapitalizacije. Renta je ekvivalent

troška kapitala za nekretninu.

𝑃 =𝑅

𝑖 (1.2.)

12

Sljedeći kvadrant, jugozapadni, je dio tržišta imovine gdje se određuje izgradnja

novih nekretnina. Ovdje krivulja 𝑓(𝐶), prikazuje trošak zamjene, Ccosts, nekretnine.

Za trošak izgradnje se pretpostavlja kako se povećava s rastom aktivnosti

građevinskog sektora. Sastoji se od osi cijene, izražene u Kn, i osi izgradnje, izražene

u metrima kvadratnim. Krivulja presijeca os cijene na minimalnoj razini vrijednosti

nekretnine koja je potrebna da bi se počela izgradnja. Ako ponuda izgradnje košta

jednako za bilo koji nivo izgradnje, tada će krivulja biti vertikalna. Kada je ponuda

neelastična, ako dolazi do problema u gradnji, nedostatka zemlje ili drugih razloga,

tada će krivulja biti više horizontalna. Uz danu cijenu nekretnine koja je određena u

SZ kvadrantu, vertikalnim spuštanjem na krivulju izgradnje te potom horizontalni

kretanjem prema osi izgradnje, dobije se nivo novogradnje pri kojem je trošak zamjene

jednak cijeni nekretnine. Niža razina izgradnje vodi višku profita dok viša razina

izgradnje vodi neprofitabilnosti. Zbog toga je cijena kvadrata, P, jednaka troškovima

izgradnje, a oboje je jednako funkciji izgradnje, C.

𝑃 = 𝐶𝐶𝑜𝑠𝑡𝑠 = 𝑓(𝐶) (1.3.)

U posljednjem, jugoistočnom kvadrantu, godišnji tok novoizgrađenih kvadrata

se pretvara u dugoročni fond ukupne kvadrature nekretnina. Promjena u fondu, ΔS,

za dani period je jednaka novoj izgradnji minus gubitak fonda koji se mjeri u stopi

deprecijacije, d.

∆𝑆 = 𝐶 − 𝑑𝑆 (1.4.)

JI kvadrant se sastoji od osi nove izgradnje i osi ukupnog fonda kvadrata

nekretnina, oboje iskazano u metrima. Zraka koja izlazi iz ishodišta predstavlja razinu

fonda na horizontalnoj osi koja je potrebna godišnja razina nove izgradnje kako bi

zamjena bila jednaka iznosu na vertikalnoj osi koja je dobivena u JZ kvadrantu.

kvadratnim. Pri toj razini fonda i odgovarajuće nove izgradnje, fond ukupnih kvadrata

nekretnina bit će konstantan u vremenu, jer će deprecijacija biti jednaka novoj

izgradnji. Zbog toga je 𝛥𝑆 jednaka 0, odnosno 𝑆 =𝐶

𝑑. Važno je zapamtiti kako JI

kvadrant uzima razinu nove izgradnje iz JZ kvadranta i određuje količinu fonda koja

će nastati ako se ta izgradnja produži zauvijek.

Zaključno, počevši od fonda nekretnina, tržište nekretnina određuje rentu koja

se potom prevodi u cijenu kvadrata nekretnina na tržištu imovine. Ta cijena posljedično

13

generira novu izgradnju koja potom ponovno na tržištu nekretnina doprinosi novoj

razini fonda. Kombinacija tržišta imovine i tržišta nekretnina je u ravnoteži kad je

početna i konačna razina fonda jednaka. Ako je konačna razina fonda različita od

početne, tada jedna od 4 varijable na grafikonu (renta, cijena, nova izgradnja, fond)

nije u potpunoj ravnoteži. Ako je početna vrijednost veća od konačne, tada se renta,

cijena i nova izgradnja mora povećati kako bi se dostiglo stanje ravnoteže. Ako je

početni fond kvadrata manji od konačnog, tada se renta, cijena i nova izgradnja mora

smanjiti kako bi se postigla ravnoteža.

U slučaju da nekretninu koristi njen vlasnik, a ne zakupac, model kvadranta i

dalje vrijedi, ali više ne postoji odvojeno tržište imovine i tržište nekretnina.

Određivanje cijene i rente se odvija jednom odlukom na zajedničkom tržištu. Na tržištu

za kućanstva koja žive u vlastitim nekretninama, fond nekretnina, broj kućanstava i

njihov dohodak će odrediti godišnje plaćanje ili spremnost za plaćanje tih kućanstava

koja kupuju nekretnine. Taj iznos je ekvivalent renti. Porast broja kućanstava ili

smanjenje dostupnog prostora znači da će godišnja rata korištenja kuće morati porasti

kako bi se ostvarila ravnoteža na tržištu nekretnina. Sjeverozapadni kvadrant tu

vrijednost pretvara u cijenu kvadrata nekretnine. Niže kamate podrazumijevaju da će

si za istu rentu kućanstva moći priuštiti višu cijenu nekretnine. Kod nekretnina kod

kojih je vlasnik ujedno i korisnik nekretnine, jedna odluka određuje i cijenu i rentu. Ova

odluka je pak pod utjecajem istih uvjeta na tržištu kapitala i nekretnina kao i kod

nekretnina koje se daju u zakup. Jednom kad je prodajna cijena određena, tada

posljedično dolazi do određivanja nove izgradnje te eventualno do ostvarivanja

ravnoteže fonda ukupnih kvadrata nekretnina, u jugozapadnom i jugoistočnom

kvadrantu.

Važno je shvatiti kako model 4 kvadranta prikazuje dugoročnu ravnotežu na

tržištu imovine i tržištu nekretnina. Grafički model ne odgovara dobro na opisivanje

kratkoročne dinamike tržišta ili trenutnu neravnotežu koja se često događa u sektoru

nekretnina.3

3 DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, poglavlje 1., stranica 2.-11.

14

2.2. Kretanje modela

U prethodnom poglavlju opisan je osnovni koncept modela 4 kvadranta kada je

sustav u ravnoteži. Takva situacija u stvarnosti gotovo nikad nije prisutna te uvijek

postoji neki egzogeni element koji će svojom promjenom utjecati na ovaj model. Stoga

je ovo poglavlje namjenjeno detaljnijem grafičkom objašnjenju kretanja DiPasquale-

Wheatonovog modela.

Slično kao i u prethodnom poglavlju, opis počinje iz sjeveroistočnog kvadranta,

tržišta nekretnina koje prikazuje potražnju za nekretninom. Na djelovanje krivulje

potražnje egzogeno djeluju razni faktori, no prvenstveno ekonomski i demografski.

Broj kućanstava je osnovni demografski pokazatelj dok su zaposlenost, BDP, dohodak

ekonomski pokazatelji. Rast svakog od navedenih pokazatelja povećat će potražnju

za nekretninama te pomaknuti krivulju potražnje udesno kao što je prikazano na

Grafikonu II gdje je vidljiv proces međuovisnosti svakog od 4 kvadranta. Rastom

Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 12.

Grafikon II.: DiPasquale-Wheaton model: promjena na tržištu nekretnina

15

potražnje i kretanjem krivulje prema desno dolazi do povećanja rente koja tu promjenu

translatira na rast cijena, što posljedično pokreće novu razinu izgradnje zbog

ostvarenja profita te potom diže razinu stambenog fonda na novu ravnotežnu razinu

koja na kraju puta zadovoljava povećanje potražnje za nekretninama. Treba imati na

umu kako ovaj proces nije momentalan te označava stanje nove dugoročne ravnoteže,

a da bi se do njega došlo potrebno je ponoviti mnogo iteracija.

Iduća situacija odnosi se na promjenu na tržištu imovine, vezana za vrijednost

nekretnine, u sjeverozapadnom kvadrantu. Pod pretpostavkom da tržište kapitala

efikasno prilagođava cijenu određene imovine tada će rast (pad) kamatnih stopa u

ostatku ekonomije smanjiti (povećati) prinos na nekretninu te će investitori željeti

prebaciti svoju imovinu u (iz) drugačiju vrstu vrijednosnica. Sličan efekt događa se i

promjenom stope poreza, a suprotan efekt javlja se kod promjene u razini inflacije. Na

Grafikon III.: DiPasquale-Wheaton model: Promjena na tržištu imovine

Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 14.

16

Grafikonu III. je grafički prikazan učinak pada troška kapitala. Slično kao i kod

promjene potražnje, promjena stope kapitalizacije pokreće cijeli ciklus izmjene

ravnotežnog stanja do dolaska na novu razinu ravnoteže.

Posljednja egzogena promjena koja može utjecati na tržište nekretnina je

promjena u ponudi nove izgradnje. Više je odrednica koje mogu utjecati na ponudu,

na tržištu kapitala to je kamatna stopa na kredite namijenjene izgradnji.

Zakonodavstvo također utječe na ponudu, striktniji zakoni u pogledu očuvanja okoliša,

zoniranja i minimalnim tehničkim uvjetima smanjuju količinu izgradnje dok nedostatak

zakona pogoduje divljoj i ubrzanoj gradnji. Nedostatak slobodne zemlje također

povećava troškove izgradnje. Na Grafikonu IV. je prikazana dugoročna implikacija

negativne promjene ponude koja je mogla nastati zbog jednog od prethodno

navedenih utjecaja.

Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 17.

Grafikon IV.: DiPasquale-Wheaton model: Promjena ponude novogradnje

17

Osim jednostavnih promjena koje su objašnjene u prethodnim odlomcima,

moguće je simultano izmijeniti više vanjskih utjecaja te promatrati promjene, a ujedno

i različite tipove nekretnina na isti graf. Ovaj jednostavan model koji je prikazan kao

međuovisnost 4 kvadranta dobro prikazuje dugoročne ravnoteže koje nastaju

vanjskim podražajima na tržištu nekretnina. Nedostatak je što nisu poznate međufaze

između 2 stanja dugoročne ravnoteže te je za to potrebno izraditi dinamički model koji

će biti objašnjen na primjeru hrvatskog tržišta stambenih nekretnina i nekretnina u

trgovini na malo u 4. poglavlju, Metodologija4

4 DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, poglavlje 1., stranica 11.-21.

18

3. PODACI

Većina podataka prikupljena je sa stranica Državnog zavoda za statistiku (u

nastavku DZS) te Hrvatske narodne banke (u nastavku HNB). Podaci koje nije bilo

moguće naći su procijenjeni na temelju kretanja povijesnih podataka. Svi prikupljeni

podaci prikazani su u poglavlju 8. Tablice.

Model koji će biti objašnjen u idućem poglavlju izrađen je na temelju podataka

od 1997. do 2014. godine. Početna godina, 1997. je uzeta zbog odmaka od ratnih

razdoblja kada je građevinski sektor bio nezamjetan te zbog ranijeg razdoblja

nestabilnosti cijena koje se očitovalo visokom inflacijom prilikom promjene režima s

Jugoslavenskih dinara na Hrvatski dinar te potom na Hrvatsku kunu. Za završnu

godinu istraživanja je uzeta 2014. godina jer je većina potrebnih podataka objavljena

dok su oni koji nedostaju procijenjeni na temelju preliminarnih izvještaja o kretanju

indeksa.

3.1. Prikupljeni podaci

Podaci za cijenu kvadrata stambenih nekretnina preuzeti su sa stranica DZS.

Preuzeti podaci odnose se na godišnji prosjek cijena kvadrata novoizgrađenih stanova

bez POS-a. Podaci o cijeni kvadrata stana na sekundarnom tržištu nisu javno

dostupni. Ukupan stambeni fond preuzet je iz izvještaja o popisu stanovništva u

Republici Hrvatskoj za godine 1991., 2001. i 2011. Za godine između, broj kućanstava

i ukupan stambeni fond je procijenjen. Podaci o ukupnom broju zaposlenih te

mjesečnoj neto plaći, preuzeti su iz Statističkih ljetopisa DZS, a odnose se na godišnji

prosjek. DZS je od 1998. godine nadalje u ukupan broj zaposlenih unosio i zaposlene

u policiji, obrani i individualnim poljoprivrednim gospodarstvima. Zbog toga je za ovo

istraživanje, retrogradno za 1997. godinu u ukupan broj zaposlenih dodan iznos od

74000 ljudi što je procijenjena svota za tu godinu. Ukupna izgrađena kvadratura novih

stanova preuzeta je iz publikacija Građevinarstvo, statističkog izvješća DZS. Broj koji

se nalazi u tablicama odnosi se na korisnu površinu m² za stanove u stambenim i

nestambenim zgradama. Podaci za kamatne stope prema građanima i poduzećima

preuzeti su sa stranica HNB, a odnose se na dugoročne kamatne stope s valutnom

klauzulom jer je poznato kako je hrvatska visoko eurizirana država čiji se postotak

kredita u stranoj valuti kreće iznad 70%. Podaci su iskazani kao godišnji prosjek

19

mjesečnih kamatnih stopa. Za dinamički model preuzeti su podaci o procjeni ukupnog

broja stanovnika u Hrvatskoj do 2061. godine iz publikacije DZS. U njoj se nalaze

podaci za godine 2021., 2031., 2041., 2051. i 2061. godinu. Za ostale godine podaci

su procijenjeni na temelju baznih godina. Podaci o broju stanovnika za dinamički

model zagrebačkog tržišta su preuzeti iz publikacije Ekonomskog fakulteta, voditelja

doc.dr.sc. Ivana Čipina, za razdoblje 2020. i 2030. godinu.

Uz model koji je složen prema podacima za ukupno Hrvatsko stambeno tržište,

napravljen je i model prema podacima za Zagreb. Model je napravljen za jednak

period kao i model na razini cijele države, 1997.-2014. godine. Zaposlenost, plaće i

prosječna cijena novoizgrađenog kvadrata preuzeta je iz Statističkog ljetopisa grada

Zagreba. Kvadratura novoizgrađenih kvadrata stanova preuzeta je iz Statističkih

ljetopisa grada Zagreba za godine 2002.-2014. dok su za godine 1997.-2000. preuzeti

iz Bežovanovog rada, Procjena standarda stanovanja u Zagrebu kao razvojnog

resursa. Podaci za 2000. i 2001. godinu su projicirani na temelju regresijske jednadžbe

odnosa zagrebačke novogradnje u odnosu na hrvatsku novogradnju. Za ukupnu

kvadraturu zagrebačkog stambenog fonda je uzet podatak iz popisa stanovništva

2001. godine koji je uzet kao temelj. Podaci za ostale godine su izračunati dodavanjem

razlike novoizgrađenih i srušenih kvadrata stanova.

Osim samog modela, kasnije su prikazani podaci implicitno vezani za stambeno

tržište i tržište nekretnina u trgovini na malo. Hedonistički indeks cijena nekretnina i

kvartalna stopa rasta stambenih kredita preuzeti su sa web stranica HNB. Indeks

kretanja CROBEX-a preuzet je s web stranica Zagrebačke burze te je prikazan kao

kvartalni prosjek.5

3.2. Procijenjeni podaci

Podatak za ukupan fond kvadrata stambenih nekretnina je pronađen samo za

godine 1991., 2001. i 2011. iz publikacije Popis stanovništa Republike Hrvatske

izrađenom od strane DZS. Postoji razlika u evidentiranju ukupnog fonda kvadrata koja

nije u skladu s izračunom koji se dobije dodavanjem razlike novoizgrađenih i srušenih

kvadrata. Zbrajanjem novoizgrađenih kvadrata i srušenih kvadrata koji su evidentirani

5 ZSE, (2015.). Povijesni podaci trgovanja CROBEX indeksa, Zagrebačka burza. Preuzeto 19.9.2015. s http://zse.hr/default.aspx?id=180.

20

u publikacijama DZS za razdoblja od 1991.-2001. te 2001.-2011. trebalo bi biti moguće

dobiti približno jednak iznos ukupnog stambenog fonda onome koji je moguće pronaći

u publikaciji Popis stanovništva Republike Hrvatske.

Na grafikonu V. Moguće je vidjeti kako je razlika između evidentirane

kvadrature stambenog fonda i one koja se nalazi u Popisu stanovništva je iznimno

velika. Za prvo desetljeće od 1991. do 2001. godine razlika iznosi 2.740.546 m². Uz

pretpostavku da se većina neevidentirane izgradnje odnosi na izgradnju obiteljskih

kuća i vikendica kod koje je lakše izbjeći porez, tada je prosječan kvadrat takve kuće

viši od državnog prosjeka te iznosi cca 100-150 m². Prema navedenom izračunu, za

razdoblje od 1991.-2001., godišnje prosjek neevidentirane gradnje iznosio je 274.054

m², odnosno 1.800 do 2.700 stambenih jedinica. Razlika evidentirane izgradnje i

ukupnog stambenog fonda višestruko je veća za razdoblje od 2001.-2011. godine i

iznosi 17.289.211 m². Prosječna godišnja razlika za dano razdoblje iznosi 1.728.921

m² ili 11.500-17.300 neevidentirano izgrađenih stambenih jedinica. Grafikon V.

prikazuje razliku između evidentirane izgradnje koja je nastala zbrajanjem razlike

novoizgrađenih i srušenih kvadrata od bazne 1991. godine do danas u odnosu na

pretpostavljenu stvarnu kvadraturu ukupnog stambenog fonda.

110.000.000

120.000.000

130.000.000

140.000.000

150.000.000

160.000.000

170.000.000

1990 1995 2000 2005 2010 2015

Uku

pan

fo

nd

kva

dra

ta s

tam

ben

ih

nek

retn

ina

u m

²

godina

Ukupna kvadratura zbrajana prema baznim godinama 1991. 2001. 2011.

Procijenjena ukupna kvadratura

Ukupna statistički zbrojena evidentirana kvadratura prema baznoj godini 1991.

Grafikon V.: Razlika stambenog fonda između statistički evidentirane i stvarne razine

Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora

21

Zbog toga je u modelu korištena bazna godina 2001. te je za svaku iduću

dodavana razlika statistički evidentirane novogradnje i srušenih kvadrata. Ovaj izračun

nije u potpunosti točan, ali je približno korektan za analizu. Osim ilegalne izgradnja

razlika od stvarne količine fonda postoji i zbog stanova koji su završeni, ali još nisu

izašli na tržište jer se za njih čeka bolja tržišna prilika. Stvarni ukupni fond kvadrata

stambenih nekretnina je veći od dobivene brojke, ali nije moguće točno odrediti koliko.

Procijenjena vrijednost godišnje novogradnje u odnosu na statistički evidentiranu,

prikazana je na Grafikonu VI.

Za dinamički model zagrebačkog tržišta stambenih nekretnina procijenjeno je

kretanje broja stanovnika grada Zagreba na temelju DZS publikacije o ukupnom broju

stanovnika u Hrvatskoj do 2061. Broj stanovnika u Zagrebu je procijenjen od 2031.

kao rastući udio ukupnog stanovništva Hrvatske. Hrvatska ne vodi statistiku rente koja

je važan dio u izradi modela stambenog tržišta pa ju je također bilo potrebno izvesti.

Renta je izražena kao trošak držanja kapitala, u ovom slučaju nekretnine, pomnožen

s cijenom kvadrata stana. Trošak držanja kapitala je uzet kao zbroj nominalne

kamatne stope na kredite kućanstvima od koje su oduzete inflacija i promjena cijena

nekretnine. Promjena cijene nekretnine je postavljena kao zbroj indeksa promjene

cijena prethodne 4 godine. Faktori za svaki indeks su dani metodom pokušaja i

pogreške dok se nije pronašla najbolja korelacija. Faktori su sljedeći:, 0,5 za 𝑃𝑡−1 i

𝑃𝑡−2, 0,3 za 𝑃𝑡−2 i 𝑃𝑡−3 te 0,2 za 𝑃𝑡−3i 𝑃𝑡−4.

Grafikon VI.: Procjena stvarne godišnje novogradnje u odnosu na statistički evidentiranu

Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

3.000.000

3.500.000

4.000.000

4.500.000

5.000.000

1991 1994 1997 2000 2003 2006 2009 2012

Izn

os

no

vogr

adn

je u

m²

godina

statistički evidentirana novogradnja u m² procjena stvarne novogradnje u m²

22

𝑈𝑡 = 𝑖𝑡 − 𝜋𝑡 − (0,5 ∗𝑃𝑡−1−𝑃𝑡−2

𝑃𝑡−2+ 0,3 ∗

𝑃𝑡−2−𝑃𝑡−3

𝑃𝑡−2+ 0.2 ∗

𝑃𝑡−3−𝑃𝑡−4

𝑃𝑡−4) (3.1.)

𝑅𝑡 = 𝑈𝑡 ∗ 𝑃𝑡 (3.2.)

3.3. Karakterističnost trgovanja stambenim nekretninama u Hrvatskoj

U Hrvatskoj, postojeće tržište nekretnina će se u modelu tretirati kao ukupan

fond kvadrata nekretnina, dok će se tržište novoizgrađenih stanova tretirati kao tržište

toka. Više od 90% hrvatskih stambenih jedinica gradi se od armiranog betona gdje je

proces izgradnje duži od montažne izgradnje čelikom ili drvom. Ako se tome pridoda i

sporost birokratskog sustava u izdavanju potrebnih dozvola za gradnju, može se

zaključiti kako će proces izgradnje koji je prethodno spominjan za JZ kvadrant DW

modela biti u zaostatku sa stvarnom potražnjom za nekretninama. Tržište nekretnina

se u Hrvatskoj dijeli na primarno, odnosno tržište novogradnje, te sekundarno tržište

na kojem se trguje postojećim nekretninama. Zbog toga postoji i više metoda mjerenja

cijene kvadrata na tržištu koji će biti opisani u nastavku.

Program POS-a pokrenut je s ciljem da se građanima Republike Hrvatske

omogući rješavanje stambenog pitanja po uvjetima znatno povoljnijim od tržišnih uz

garantiranu kvalitetu i završavanje radova u roku.6 Zbog toga je 2004. godine pod

vodstvom Ministarstva graditeljstva i prostornog uređenja uveden program Poticanog

stanovanja (POS) u kojem država putem arhitektonskih natječaja izvodi projekte

gradnje stambenih jedinica u svojem vlasništvu. Model se svodi na subvencioniranje

cijene nekretnine u koju nije uključena cijena zemljišta, nego samo cijena izgradnje i

popratnih aktivnosti. Osim subvencije na području izgradnje, model je prisutan i na

strani kupca kojima je ponuđen povoljniji način zaduživanja s nižim kamatnim stopama

od tržišnih. Na taj način se pokušalo pomoći novim obiteljima koje inače ne bi mogle

sudjelovati na tržištu nekretnina, a ujedno se i pojačala građevinska aktivnost u

Hrvatskoj kao što je vidljivo na Grafikonu VII.

Grafikon VII. prikazuje utjecaj države na tržište nekretnina. Priuštivo stanovanje

je omogućeno izuzimanjem cijene zemljišta iz cijene nekretnine te nižim kamatnim

stopama za kredit. Time je omogućeno premošćivanje razlike u cijeni između tržišne i

6 APN, (2015). Agencija za pravni promet i posredovanje nekretninama, Općenito o programu POS-a

23

one koju si stanovništvo slabije imovinske moći može priuštiti. Ujedno raste

građevinska aktivnost koja posljedično povećava stambeni fond dok se trošak kapitala

smanjuje.

Time je u Hrvatskoj u razdoblju od 2003. zaključno 30.5.2015. izgrađeno 5324

stana te ukupno 374.647 m² neto korisne površine. To je udio od 2% u odnosu na

ukupno izgrađenu kvadraturu u tom razdoblju. S obzirom na svoju cijenu koja nije

određena odnosom ponude i potražnje, cijena POS stanova nije uzimana u obzir u

kasnije izrađenom modelu hrvatskog stambenog tržišta. Podatke o neusklađenom

kretanju cijena nekretnina primarnog tržišta i cijena POS stanova vidljiva je na

grafikonu VIII.

Grafikon: DiPasquale-Wheaton model: primjena za POS stanove

Grafikon VII.: DiPasquale-Wheaton modela na primjeru POS stanova

Izvor: Leung C., Wang W. (2007). An Examination of the Chinese Housing Market through the Lens of the DiPasquale-Wheaton Model: a Graphical Attempt. International Real Estate Review, 2007 Vol. 10 No. 2: pp. 131-165.

24

Kao što je objašnjeno u prethodnom odlomku, korelacija POS stanova na

egzogene varijable ponude i potražnje koje djeluju na hrvatskom stambenom tržištu je

izuzetno slaba. Ti stanovi su financirani od strane države te imaju vlastito tržište i

većinom drže standardno propisanu cijenu. Iznimka je porast cijene u 2009. godini

kada dolazi do ogromnog smanjenja ponude novoizgrađenih POS stanova na tržištu

te se posljednji stanovi iz tadašnjeg investicijskog ciklusa prodaju po puno većim

cijenama od dotad standardne. Ulaskom u novi investicijski ciklus 2013. ponovno raste

ponuda POS stanova koja vodi smanjenju cijene, a tek će se naknadno vidjeti hoće li

se ta cijena ponovno stabilizirati sve do kraja ovog investicijskog ciklusa.

Drugi način izračuna je putem hedonističkog indeksa cijena nekretnina (u

nastavku HICN) koji je izrađen od strane Hrvatske narodne banke. Model se bazira na

indeksu cijene stambenog prostora koji upućuje na promjenu cijene stambenog

prostora nepromijenjene kvalitete na danoj lokacije, odnosno fiksnih obilježja.7 HICN

je model koji ne slijedi u potpunosti točno cijene na sekundarnom tržištu te nije korišten

u izradi modela hrvatskog stambenog tržita. Najtočniji način izrade modela bio bi

korištenje prosječne cijene na primarnom (novogradnja) i sekundarnom (postojeći

stanovi) tržištu, ali zbog nedostupnosti informacija cijena sekundarnog tržišta to nije

moguće. Na Grafikonu IX. moguće je vidjeti odnos cijene novoizgrađenih nekretnina

bez POS stanova u odnosu na HICN. Korelacija je iznimno visoka s koeficijentom

0,87. Grafikon X. prikazuje odnos cijene novoizgrađenih nekretnina s POS stanovima

7 Kunovac, D., Đozović, E., Lukinić, G., Pufnik, A. (2008). Primjena hedonističke metode za izračunavanje indeksa cijena nekretnina u Hrvatskoj, Istraživanja (I-20). Zagreb: Hrvatska narodna banka, str. 1.

y = 0,0667x + 6010,5R² = 0,0151

0

3000

6000

9000

0 3000 6000 9000 12000 15000

Cije

na

no

voiz

građ

enih

PO

S st

ano

va u

kn

/m²

Cijena novoizgrađenih stanova na slobodnom tržištu u kn/m²

Grafikon VIII.: Nepovezanost cijene POS stanova i stanova u slobodnoj prodaji

Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora

25

u odnosu na HICN. Korelacija je donekla niža, te iznosi 0,74. Time se zaključilo kako

cijena POS stanova nije relevantna za ovo istraživanje te neće ulaziti u izračun

modela.

y = 0,6952x + 41,387R² = 0,8725

0

50

100

150

200

250

0,0 50,0 100,0 150,0 200,0 250,0

Hed

on

isti

čki i

nd

eks

cije

na

nek

retn

ina

Indeks cijena novoizgrađenih stanova bez POS stanova

y = 0,5589x + 54,371R² = 0,7397

0

50

100

150

200

250

0,0 50,0 100,0 150,0 200,0 250,0

Hed

on

isti

čki i

nd

eks

cije

na

nak

retn

ina

Indeks cijena novoizgrađenih stanova + POS stanovi

Grafikon IX.: Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova bez POS stanova, polugodišnji rezultati

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

Grafikon X.: Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova s POS stanovima, polugodišnji rezultati

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

26

Grafikon XI. prikazuje odnos kretanja tri indeksa: HICN, indeks cijena

novoizgrađenih stanova + POS stanova i indeks cijena novoizgrađenih stanova bez

POS stanova. Razdoblje promatranja je od 1997. do 2014. godine na temelju

polugodišnjih rezultata. Iz grafikona se jasno može iščitati kako je indeks cijena

novoizgrađenih stanova bez POS stanova puno bliži HICN od onoga koji u sebi sadrži

i POS stanove.

Grafikon XII. prikazuje kvartalno kretanje HICN i CROBEX indeksa za razdoblje

od 1997.-2014. godine. Hedonistički indeks cijena nekretnina je u navedenom

razdoblju imao puno manju volatilnost od CROBEX indeksa, no postoji povezanost u

rastu i padu oba indeksa. Za razliku od CROBEX-a čiji je rast i pad izuzetno snažan u

Grafikon XI.: Polugodišnje kretanje HICN i indeksa cijena novoizgrađenih stanova s i bez POS stanova

90,0

110,0

130,0

150,0

170,0

190,0

210,0

1997/1 1998/2 2000/1 2001/2 2003/1 2004/2 2006/1 2007/2 2009/1 2010/2 2012/1 2013/2

Ind

eks

cije

na

Godina/kvartal

indeks cijena novoizgrađenih stanova + POS indeks cijena novoizgrađenih stanova bez POS HICN

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

Grafikon XII.: Kvartalno kretanje HICN i CROBEX indeksa od 1997.-2014.

0

50

100

150

200

250

300

350

400

450

80,0

100,0

120,0

140,0

160,0

180,0

200,0

220,0

kol.97 kol.99 kol.01 kol.03 kol.05 kol.07 kol.09 kol.11 kol.13

CR

OB

EX in

dek

s

HIC

N

mjesec/godina

HICN CROBEX indeks - desna strana

Izvor: ZSE, povijesni podaci, HNB, Bilteni 1997.-2014., izračun autora

27

razdoblju od 2005. do 2008. godine, nakon čega je ostao na stabilnoj razini, HICN je

blago rastao sve do 2008. godine da bi potom počeo njegov pad koji je i danas

aktualan.

Za potrebe dokazivanja ovisnosti cijene nekretnine i kamatne stope hrvatskog

stambenog tržišta provedena je analiza povijesnih podataka za razdoblje od 1997.

godine do danas. Rezultati prikazuju visoku povezanost odnosa rasta stope stambenih

kredita, tj. kupnje nove nekretnine, s kretanjem kamatne stope na kredite kućanstvima.

Visoka korelacije je prisutna i u odnosu HICN s indeksom CROBEX-a. Takva veza

svoju podlogu nalazi u tome što kućanstva, hrvatski puk, svoje informacije uglavnom

procesira kroz kretanje na tržištu kapitala te svaku optimističnu ili pesimističnu

promjenu usmjerava na svoje vlastito ulaganje.8

Grafikon XIII. prikazuje kretanje kvartalne stope promjene stambenih kredita i

kvartalne stope promjene hedonističkog indeksa cijena nekretnina. Prisutna je blaga

korelacija između ove dvije stope kao i stalno opadajući trend do otprilike 2013. godine

nakon čega HICN preuzima tendenciju rasta. Razlog tome može biti ponovni konačni

izlazak iz ekonomske krize koja je prisutna već 6 godina, ali vjerojatno postoji više

8 Centar Nekretnina, (2009.). Indeks cijena nekretnina za prosinac 2009. Centar Nekretnina, prosinac

2009.

-10,00%

-5,00%

0,00%

5,00%

10,00%

15,00%

-4,00%

-2,00%

0,00%

2,00%

4,00%

6,00%

8,00%

10,00%

12,00%

6/04. 12/05. 6/07. 12/08. 6/10. 12/11. 6/13. 12/14.

Sto

pa

rast

a H

ICN

Sto

pa

rast

a st

amb

enih

kre

dit

a

mjesec/godina

stopa rasta stambenih kredita stopa rasta HICN-desno

Grafikon XIII.: Kretanje kvartalne stope promjene stambenih kredita i kvartalne stope promjene HICN

Izvor: HNB, Bilteni 1997.-2014., izračun autora

28

razloga, među kojima bi moglo biti i ulaganje u nekretnine na Jadranu koje kupuju

stranci koji se ne zadužuju na hrvatskom tržištu stambenih kredita.

Stambeno pitanje je jedan od najvažnijih problema hrvatskog društva. Mlada

populacija nakon završenog obrazovanja susreće se s problemom posjedovanja prve

nekretnine. Ako nemaju sreće te ne naslijede nekretninu ili novčana sredstva od svoje

rodbine, mladi se većinom moraju zadužiti prilikom nabavljanja nekretnine. Takvo

zaduživanja kreditom većinom je na veoma dugačak vremenski period što znači da

mlada osoba netom nakom osamostaljivanja preuzima na sebe dugoročnu obvezu

koja ga sputava u normalnom življenju. Prosječna plaća hrvatskog građanina je

iznimno niska u odnosu na cijenu kvadrata nekretnine te je vrijeme otplate kupljenog

stana iznimno visoko kao što je moguće vidjeti na grafikonu XIV.

Ipak, broj godina potrebnih za kupnju prosječnoga novoga stana u praksi je

mnogo duži nego što je to navedeno u tablici. Naime, on pretpostavlja da su

cjelokupna primanja pojedinca potrošena za kupnju stana, da on ne jede, ne štedi ili

ne troši ni na kakve druge kategorije osobne potrošnje. Realnija bi procjena bila kada

bi broj godina iz tablice povećali za tri ili čak za četiri puta, a to bi značilo da pojedinac

samo od svoje neto plaće za svoga života gotovo da ne može otplatiti stan.9

Cijena 1 m² prodanoga novog stana obuhvaća sljedeće troškove: troškove

građevinskog zemljišta (pribavljanje zemljišta te eventualni troškovi raseljavanja

stanara iz postojećih stambenih zgrada ako nije kupljeno prazno zemljište), troškove

gradnje (gradnja zgrade uključuje rušenje postojećih građevina, čišćenje gradilišta,

zemljane radove, podizanje zgrada, podizanje i pokrivanje krovnih konstrukcija,

9 Filipić, P., (2007). Uvod u makroekonomiju stanovanja, Ekonomski pregled, 58 (7-8), p. 393-420.

0

5

10

15

20

25

1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015

vrije

me

otp

late

n

ovo

izgr

ađen

og

stan

a

Godina

Grafikon XIV.: Prosječno vrijeme otplate novoizgrađenog stana

Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora

29

instalacijske i za vršne radove na zgradi i stanovima) te dobit izvođača i ostale

troškove (pribavljanje odobrenja za građenje, projektiranje, premjeravanje zemljišta,

stručni nadzor, različite pristojbe i porezi uključujući PDV te osiguranja).10 U

promatranom razdoblju, troškovi gradnje i dobit proizvođača su se kretala u iznosu od

60% cijene kvadrata nekretnine uz odstupanja od ±5%. U trošak gradnje ulazi trošak

rada, trošak materijala te trošak strojeva. Na grafikonu XV. je moguće vidjeti kretanje

verižnih indeksa plaće u sektoru Građevinarstvo te indeks troškova građevinskog

materijala. Prosječna plaća je rasla po većoj stopi od troška materijala da bi se njihovo

kretanje izjednačilo od 2004. godine te se kretalo približno jednakim intenzitetom u

idućih 10 godina.

10 Državni zavod za statistiku (2015.). Građevinarstvo 2008.-2013., Statistička izvješća, Zagreb: Državni zavod za statistiku.

96

98

100

102

104

106

108

110

112

114

116

118

1997 1999 2001 2003 2005 2007 2009 2011 2013

Vri

jed

no

st v

eriž

no

g in

dek

sa

godinaVerižni Indeks cijena građevinskog materijala

Verižni indeks cijena prosječne plaće u sektoru Građevinarstvo

Grafikon XV.: Kretanje verižnih indeksa troška rada i materijala u sektoru Građevinarstvo

Izvor: DZS, Cijene prodanih stanova od 1990. do 2010., SLJH 2005.-2014., izračun autora

30

3.4. Tržište nekretnina u trgovini na malo

Tržište nekretnina u trgovini na malo u osnovi se zasniva na sličnim principima

kao i tržište stambenih nekrenina. Hrvatska je država u kojoj 89,7%11 stanovnika živi

u stanovima čiji su vlasnici, dok ih samo 10,3% živi kao podstanar. Na tržištu

nekretnina u trgovini na veliko i malo udio prostora kojim se služe vlasnici istog je puno

manji. Većina trgovačkog prostora se iznajmljuje zakupcima koji na osnovu svoje

dobiti ili gubitaka odlučuju hoće li nastaviti s najmom prostora. Za razliku od

stambenog tržišta gdje vlasnik odlučuje o boravku u svojoj nekretnini, na tržištu

nekretnina u trgovini na veliko i malo, potpisuje se ugovor između vlasnika nekretnine

i zakupca, trgovca, na određeno razdoblje. Istekom razdoblja, zakupac može odlučiti

produžiti svoj najam ili ga prekinuti. Upravo ova komponenta tržišta, čini razliku u

odnosu na stambeno tržište jer uvodi varijablu stopu upražnjenosti (eng. vacancy

rate). Stopa upražnjenosti na stambenom tržištu uglavnom je niska i relativno stabilna,

dok je na tržištu nekretnina u trgovini na malo fluktuacija stope upražnjenosti jače

izražena te ustraje kroz duže razdoblja. To ukazuje kako renta i cijena ne mogu očistiti

11 Eurostat, (2015.). Distribution of population by tenure status, type of household and income group (source: SILC). Eurostat, October 2015. Preuzeto 13.11.2015. godine s http://appsso.eurostat.ec.europa.eu/nui/show.do

0 kn

10.000 kn

20.000 kn

30.000 kn

40.000 kn

50.000 kn

0

100.000

200.000

300.000

400.000

500.000

600.000

700.000

1996 1998 2000 2002 2004 2006 2008 2010 2012 2014

Bru

to d

od

ana

vrije

dn

ost

trg

ovi

ne

na

velik

o i

mal

o u

mili

jun

ima

kun

a

Ko

ličin

a n

ovo

grad

nje

nek

retn

ina

u

trgo

vin

i na

velik

o i

mal

o u

m²

godina

Količina novogradnje u m² BDV trgovine na veliko i malo u milijunima kuna - desna strana

Grafikon XVI.: Kretanje obujma novogradnje nekretnina u trgovini na veliko i malo i BDV trgovine na veliko i malo

Izvor: DZS, statistički ljetopisi 2005.-2014., izračun autora

31

tržište i zbog toga se potražnja mjeri isključivo preko ponude. Potražnja se iskazuje

kao količina zauzetog prostora, dok je ponuda zbroj zauzetog i praznog prostora.

Grafikon XVI. prikazuje godišnje kretanje obujma novogradnje nekretnina u

trgovini na veliko i malo u odnosu na Bruto dodanu vrijednost sektora trgovine na

veliko i malo za razdoblje od 1997.-2014. Novogradnja ima manju razinu volatilnosti u

odnosu na Bruto dodanu vrijednost sektora dok im je trend rasta i trend pada

podjednak.

Kretanje stope upražnjenosti pokazuje kretanje potražnje. Rast stope

upražnjenosti označava pad potražnje za nekretninama te shodno tome dolazi do

smanjenja na strani ponude novoizgrađenih nekretnina u trgovini na veliko i malo.

Suprotno, pad stope upražnjenosti označava rast potražnje za nekretninama što vodi

višoj renti koja potom aktivira investitore da u potrazi za profitom ulažu u izgradnju

novih nekretnina. Sukladno stambenom tržištu, rast potražnje javlja se i rastom

dohotka stanovništva. Ako stanovništvo dio svoga dohotka troši u trgovini na veliko i

malo tada će se aktivirati i ponuda novih trgovaca. Trgovina na veliko i malo čini dio

Bruto domaćeg proizvoda Hrvatske te je kao takva navedena u publikacijama DZS.

Primjetna je pozitivna korelacija u promjeni ukupne trgovine na veliko i malo u odnosu

na količinu novogradnje nekretnina u trgovini na veliko i malo u Hrvatskoj.

32

4. METODOLOGIJA

Istraživački dio rada bazirat će se na ekonometrijskim modelima kojima će biti

prikazan način na koji funkcionira hrvatsko tržište stambenih nekretnina i nekretnina u

trgovini na malo. Tržište stambenih nekretnina analizirat će se na temelju DW modela,

na principu statičke i dinamičke analize dok će tržište nekretnina u trgovini na malo biti

analizirano prema modificiranom dinamičkom modelu.

4.1. Ekonometrijski model ponude i potražnja stambenog tržišta

Model ponude i potražnje stambenog tržišta izveden je na 2 principa, statičke

i dinamičke analize. Statička analiza se bazira na mikroekonomskoj analizi ponude i

potražnje kojim se potom grafički može prikazati stanje na tržištu putem DW modela.

Dinamička analiza se bazira na mikroekonomskoj analizi ponude i potražnje kojoj je

dodana formula za kretanje ukupnog fonda kvadrata stanova te su dobivene 3

jednadžbe koje se rekurzivno nadopunjuju.

4.1.1. Statički model

Izrada statičkog modela ponajviše služi grafičkom prikazu stanja i promjena na

stambenom tržištu tijekom godina. Statički model počiva na regresijskoj analizi

funkcija koje su opisane u poglavlju 2.1. Za potrebe grafičkog prikaza modela 4

kvadranta potrebno je dobiti nagib i odsječak krivulje svakog kvadranta. Funkcija

potražnje za nekretninama, krivulja SI kvadranta izražena je regresijom funkcije (4.9.).

Funkcija jasno prikazuje odsječak i nagib. Odsječak je omjer b/a dok je nagib jednak

1/a. Na y osi SZ kvadranta nalazi se renta, odnosno trošak kapitala nekretnine dok se

na x osi nalazi količina stambenih kvadrata.

𝑅 =𝑏

𝑎−

1

𝑎∗

𝑆

𝐸 (4.9.)

U DiPasquale-Wheaton modelu renta je prikazana kao umnožak cijene

kvadrata nekretnine i kamatne stope. U statičkom modelu rentu će zamijeniti trošak

kapitala nekretnine pomnožen cijenom kao što je već navedeno u poglavlju 3.2.

Procijenjeni podaci. Grafički prikaz i dalje će biti istovjetan onome u DW modelu gdje

će bit prikazana ovisnost rente, troška kapitala (os y) i cijene kvadrata nekretnine (os

x). Odsječak na krivulji je 0 dok je nagib jednak prosjeku kamatne stope građanima za

dano razdoblje.

33

𝑅 = 𝑃 ∗ 𝑖 (4.10.)

Jugozapadni kvadrant DW modela se odnosi na tržište imovine koji određuje

količinu izgradnje novih nekretnina. Funkcija za izgradnju prilagođena je kako bi se

dobili kvalitetniji rezultati te ona ovisi o cijeni kvadrata nekretnine, kamatnoj stopi

trgovačkim društvima za prethodno razdoblje te prosječnoj plaći građana. Utjecaj

kamatne stope i plaće djeluje na funkciju, ali je vidljiv na grafičkom prikazu kao

odsječak na krivulji gdje se na osi y nalazi količina novogradnje dok je na osi x cijena

kvadrata stambene nekretnine. Nagib krivulje određen je koeficijentom uz cijenu

kvadrata nekretnine.

𝐶 = 𝜶 + 𝜷 ∗ 𝑃 + 𝒈 ∗ 𝑟(𝑡 − 1) ∗ 𝜹𝑊 (4.11.)

Jugoistočni kvadrant DW modela određuje količinu novogradnje koja će uz

postojeću razinu deprecijacije nekretnina biti potrebna kako bi ukupan fond kvadrata

stambenih nekretnina bio konstantan. Odsječak na krivulje ne postoji jer krivulja izlazi

iz ishodišta dok je nagib jednak prosjeku stope deprecijacije nekretnina za dano

razdoblje.

∆𝑆 = 𝐶 − 𝑑𝑆 (4.12.)

𝑑 =𝐶

𝑆 (4.13.)

Određivanjem potrebnih koeficijenata dobiva se sustav 4 kvadranta koji

spajanjem točaka jednakih vrijednosti daje pravokutnik koji označava dugoročnu

ravnotežu danog razdoblja. Promjena svakog od koeficijenta mijenja nagibe ili

odsječak krivulja te promjenom jedne krivulje cijelo ravnotežno stanje dobiva drugačiji

oblik zbog međuovisnosti kvadranata. Osim ove 4 funkcije, postoji i 5. funkcija

dugoročne ravnotežne potražnje za kvadratima stambenih nekretnina. Ona nastaje

uvrštavanjem formule (4.11.) za novogradnju u formule (4.9.) potražnje za stambenim

nekretninama. Konačni oblik funkcije jest sljedeći.

𝑆∗ = 𝐸 ∗𝒃−𝒂∗𝑖∗(𝜷+∆∗𝑟𝑡−1+𝜹∗𝑊)

1+𝒂∗𝜶∗𝑖∗𝐸∗𝑑 (4.14.)

34

4.1.2. Dinamički model

Kod dinamičke analize, potražnja na tržištu nekretnina određena je cijenom (p),

brojem kućanstava (n), dohotkom (y), dostupnošću kredita (a), i bogatstvom (w).

Ponuda je određena cijenom (p), troškovima (c) i dostupnošću kredita (a) (Charles,

1977, p 14-28).12

𝐷 = 𝑓(𝑝, 𝑛, 𝑦, 𝑎, 𝑤) (4.1.)

𝐷𝑦 > 0; 𝐷𝑛 > 0; 𝐷𝑎 > 0; 𝐷𝑤 > 0; 𝐷𝑝 < 0 (4.2.)

𝑆 = 𝑓(𝑝, 𝑐, 𝑎) (4.3.)

𝑆𝑝 > 0; 𝑆𝑐 < 0; 𝑆𝑎 > 0 (4.4.)

Empirijska analiza prema navedenim varijablama je teško izvediva za Hrvatsku

jer određeni podaci nisu javno objavljeni. Kao što je ranije objašnjeno, cijena kvadrata

nekretnine na sekundarnom tržištu nije javna, stoga je za ovo istraživanje korištena

cijena novoizgrađenih stanova bez POS stanova. broj kućanstava je zamijenjen za

zaposlenost koja je jače izražena determinanta potražnje, dohodak kućanstva je

zamijenjen prosječnom plaćom u državi dok je dostupnost kredita izražen pomoću

stope troška kapitala, također objašnjena u prethodnom poglavlju. Bogatstvo nije

podatak koji je javno dostupan u Hrvatskoj te također nije korišten u analizi. Stoga je

za ovo istraživanje potražnja izražena kao funkcija cijene, zaposlenosti, prosječne

plaće i stope troška kapitala.

𝐷 = 𝑓(𝑃, 𝐸, 𝑊, 𝑈) (4.5.)

U analizi potražnje za nekretninama, cijena kvadrata nekretnine izražena je kao

ovisnost troška kapitala, prosječne plaće te omjera ukupnog fonda stanova i

zaposlenosti.

𝐷𝑡 = 𝐻(𝑎0 − 𝑎1 ∗ 𝑈𝑡 − 𝑎2 ∗ 𝑃𝑡 + 𝑎3 ∗ 𝑌𝑡) (4.6.)

𝐷𝑡 = 𝑆𝑡 (4.7.)

𝑃𝑡 =1

𝑎2∗ (𝑎0 − 𝑎1 ∗ 𝑈𝑡 + 𝑎3 ∗ 𝑊𝑡 −

𝑆𝑡

𝐸𝑡) (4.8.)

12 Tica, J., (2004.). The Macroeconomic Aspects of the Croatian Housing Market, Ekonomski pregled, Vol.55 No. 7-8 Kolovoz 2004.

35

Na strani ponude važno je naglasiti kako je ukupna količina novoizgrađenih

kvadrata izražena pomoću cijene, ukupnog fonda kvadrata prethodne godine i

kamatne stope trgovačkim društvima prethodne godine.

𝐶𝑡 = 𝑏0 + 𝑏1 ∗ 𝑃𝑡 + 𝑏2 ∗ 𝑆(𝑡 − 1) + 𝑏3 ∗ 𝑟(𝑡 − 1) (4.9.)

Kako bi bilo moguće izvesti rekurzivnu funkciju, ovim dvjema jednadžbama

dodana je funkcija koja prikazuje promjenu ukupnog fonda stanova.

𝑆𝑡 − 𝑆𝑡−1 = 𝐶𝑡−1 (4.10.)

Međudjelovanjem formule (4.8.), formule (4.9.) i formule (4.10.), moguće je

izvesti zavisno predviđanje budućeg kretanja sektora stambenih nekretnina. Njihovim

kombiniranjem, moguće je izvesti cijenu kvadrata, količinu novogradnje i ukupan fond

kvadrata na temelju predviđanja ekonomskih kretanja (zaposlenosti, plaće), kao i

makroekonomskih uvjeta (kamatne stope, inflacija, porezi). Model djeluje rekurzivno,

počevši od 2015. godine. Fond kvadrata je poznat za tu godinu zbog funkcije (4.10.)

jer koristi fond kvadrata i količinu novogradnje iz 2014. godine. Pomoću ukupnog fonda

kvadrata i predviđenim ekonomskim varijablama, potom se računaju cijene za 2015.

godinu pomoću formule (4.8.). Koristeći izvedenu cijenu za 2015. godinu i ukupan fond

kvadrata pomoću formule (4.9.) se izvodi količina novogradnje. Time se ujedno

završava rekurzija za godinu 2015. te se rekurzija nastavlja formulom (4.10.) za 2016.

godinu.

4.2. Ekonometrijski model ponude i potražnje tržišta nekretnina u

trgovini na malo

Tržište nekretnina u trgovini na malo ponaša se slično kao i stambeno tržište,

odnosno zasniva se na stock-flow modelu trajnih dobara. Stock čini ukupan fond

kvadrata nekretnina u trgovini na malo, dok je flow njegova promjena u vidu

novogradnje i deprecijacije. U suštini, tržište nekretnina u trgovini na malo je identično

tržištu uredskim prostorom čiji je model opisan u knjizi Urban Economics and Real

Estate Markets, DiPasuqale-Wheaton (1996.).

Osnovna postavka modela također se sastoji od 3 osnovne međusobno

isprepletene istovjetnosti, ukupnom fondu nekretnina u trgovini na malo (𝑆𝑡), stopi

praznih nekretnina (𝑉𝑡) i zauzetom prostoru (𝑂𝐶𝑡). Varijabla d označava stopu

36

deprecijacije nekretnina dok je 𝐴𝐵𝑡 apsorpcija nekretnina koja označava promjenu

zauzetih nekretnina između 2 razdoblja.

𝑆𝑡 = (1 − 𝑑) ∗ 𝑆𝑡−1 + 𝐶𝑡 (4.11.)

𝑉𝑡 =𝑆𝑡−𝑂𝐶𝑡

𝑆𝑡 (4.12.)

𝑂𝐶𝑡 = 𝑂𝐶𝑡−1 + 𝐴𝐵𝑡 (4.13.)

Ove tri jednadžbe označavaju podlogu za modeliranje tržišta nekretnina u

trgovini na malo. Korištenjem ukupnog fonda kvadrata iz prethodnog razdoblja i

količine novogradnje, moguće je izračunati ukupan fond kvadrata za trenutno

razdoblje. Pretpostavljanjem apsorpcije nekretnina dobije se zauzeti prostor trenutnog

razdoblja. Na temelju tog broja i ukupnog fonda nekretnina, izračuna se stopa

upražnjenosti. Kako bi se dovršilo kružno kretanje modela, potrebno je izračunati

kretanje rente na temelju stope upražnjenosti. Renta potom određuje iduću količinu

apsorbcije i novogradnju.

Ako kažemo da je OC* količina prostora koju bi tvrtke tražile kada ne bi bilo

troškova mobilnosti i prilagodbe u dobivanju tog prostora. To je potencijalna potražnja

koja označava potražnju ex ante. Potražnja je produkt broja zaposlenih u sektoru

trgovine na malo pomnožen s površinom prostora po zaposlenom. Željena količina

prostora ovisi o renti i trenutnom ili potencijalnom rastu zaposlenika tvrtke. Koeficijent

𝛼1 određuje minimalnu površinu prostora po zaposlenom dok koeficijenti 𝛼2 𝑖 𝛼3

pokazuju veličinu promjene ovisno o rastu zaposlenosti ili rente.

𝑂𝐶∗ = 𝛼0 + 𝐸𝑡(𝛼1 + 𝛼2𝐸𝑡−𝐸𝑡−1

𝐸𝑡− 𝛼3𝑅𝑡) (4.14.)

Stvarna zauzetost prostora 𝑂𝐶𝑡 nije jednaka 𝑂𝐶∗ zbog tromosti tržišta i troškova

mobilnosti. Kada pretpostavimo da sve tvrtke u istom trenu obnavljaju svoje ugovore

o zakupu prostora, dok svima ostalima ističe u jednakom budućem trenutku, tada

dobivamo iduću jednadžbu o apsorpciji nekretnina.

𝑂𝐶𝑡 − 𝑂𝐶𝑡−1 = 𝐴𝐵𝑡 = 𝜏1(𝑂𝐶𝑡∗ − 𝑂𝐶𝑡−1) (4.15.)

Jednadžba 4.15. govori kako u svakom periodu, dio, 𝑇𝑡, korisnika nekretnina u

trgovini na malo promjeni količinu prostora koju koriste, u ovisnosti o tržišnim uvjetima.

37

Nakon određenog broja perioda, cjelokupni zauzeti prostor, 𝑂𝐶𝑡 bi trebao biti jednak

željenoj potražnji za zauzetim prostorom, 𝑂𝐶∗. Jednadžba 4.14. označava kako je

količina zauzetog prostora u danom trenutku ovisna o broju zaposlenih i njegovom

rastu te renti na tržištu. Kombinacijom jednadžbi 4.14. i 4.15. dobije se jednadžba za

apsorpciju prostora 𝐴𝐵𝑡.

𝐴𝐵𝑡 = 𝑇1 [𝛼0 + 𝐸𝑡 (𝛼1 + 𝛼2𝐸𝑡−𝐸𝑡−1

𝐸𝑡− 𝛼3𝑅𝑡)] − 𝜏1𝑂𝐶𝑡−1 (4.16.)

Jednadžba 4.16. će prilagođavati količinu zauzetog prostora dok ne dostigne

stabilnu razinu 𝑂𝐶𝑡∗ koja ovisi o broju zaposlenih u sektoru trgovine na malo i renti.

Kako bi se odredila renta i stopa upražnjenosti potrebna je još jedna jednadžba koja

povezuje gore navedene, a koja prikazuje odnos tražitelja i vlasnika prostora.

𝑅∗ = 𝜇0 − 𝜇1𝑉𝑡−1 + 𝜇2𝐴𝐵𝑡−1

𝑆𝑡−1 (4.17.)

𝑅𝑡 − 𝑅𝑡−1 = 𝜇3(𝑅∗ − 𝑅𝑡−1) (4.18.)

𝑅𝑡 − 𝑅𝑡−1 = 𝜇3 (𝜇0 − 𝜇1𝑉𝑡−1 + 𝜇2𝐴𝐵𝑡−1

𝑆𝑡−1) − 𝜇3𝑅𝑡−1) (4.19.)

Varijabla 𝑅∗ predstavlja ravnotežnu rentu koja čisti tržište, a određena je kao

linearna funkcija količine stope apsorpcije i stope upražnjenosti. Tržišne rente se kreću

po stopi 𝜇3 prema ravnotežnoj renti. Posljednja jednadžba koja je potrebna kako bi se

zaokružio model, jest ponuda novih nekretnina. Ako sa 𝐶∗označimo ravnotežnu razinu

novogradnje i pretpostavimo da je ona linearna funkcija varijabli: ukupnog fonda

nekretnina, stope upražnjenosti i apsorpciji. Tada je još potrebno odrediti za koji period

dane varijable kasne u konstrukciji zbog sporosti prilagodbe.

𝐶𝑡∗ = 𝛽0 + 𝛽1𝑆𝑡−𝑛 + 𝛽1𝑆𝑡−𝑛𝑉𝑡−𝑛 + 𝛽3𝑉𝑡−𝑛 (4.20.)

𝐶𝑡 − 𝐶𝑡−1 = 𝜏2(𝐶𝑡∗ − 𝐶𝑡−1) (4.21.)

𝐶𝑡 = 𝜏2(𝛽0 + 𝛽1𝑆𝑡−𝑛 + 𝛽1𝑆𝑡−𝑛𝑉𝑡−𝑛 + 𝛽3𝑉𝑡−𝑛) − 𝜏2𝐶𝑡−1 (4.22.)

Varijabla n označava broj vremenskih perioda kašnjenja koji daju količinu

konstrukcije za dano razdoblje. Navedeni sustav jednadžbi omogućuje predviđanje

budućih događaja na temelju danih ekonomskih varijabli jednako kao i dinamički

38

model za stambeno tržište.13 Nažalost, podaci o zauzetosti nekretnina, renti, stopi

upražnjenosti i apsorpciji nisu dostupni te ih je iznimno teško aproksimirati kako bi se

dobio približno točan model. Zbog toga je tržište nekretnina u trgovini na malo

obrađeno samo teorijski.

5. EMPIRIJSKI REZULTATI

Ekonometrijski modeli koji su objašnjeni u prethodnom poglavlju izvedeni su na

temelju prikupljenih i procijenjenih podataka za stambeno tržište na opsegu cijele

Hrvatske uključujući Zagreb te samo za područje Zagreba. Rezultati su podijeljeni na

analizu statičkog modela i analizu dinamičkog modela. Statički model je razrađen na

temelju cijelog razdoblja od 1997. do 2014. godine. Na grafičkim prikazima dobivenih

rezultata, pune linije će označavati povijesne vrijednosti koje su statistički

evidentirane, dok će isprekidane linije označavati vrijednosti određene modelom,

𝑅,̂ 𝐶,̂ 𝑃,̂ 𝑆∗.

5.1. Statički model ponude i potražnje

Statički model stambenog tržišta proveden je na dva područja u razdoblju od

1997. do 2014. godine. Prvo područje se odnosi na stambeno tržište cijele Hrvatske

dok je drugo obuhvatilo grad Zagreb. Prvo je provedena regresijska analiza cijelog

razdoblja funkcijama iz poglavlja 4.1.1. Statički model. Dobiveni rezultati prikazuju

koeficijent korelacije modela sa povijesnim podacima, kako za područje Hrvatske tako

i za grad Zagreb. Time je dobiven osnovni grafički prikaz DW modela 4 kvadranta koji

je moguće vidjeti na Grafikonu XVII.

Potom je provedena regresijska analiza prema funkcijama navedenim u

poglavlju 4.1.1. Statički model, za 3 kronološka razdoblja od po 6 godina. Na njima je

moguće uočiti promjene koje su rezultat kretanja varijabli iz modela te njihovu razliku

u odnosu na stambeno tržište cijele Hrvatske i Zagreba.

Osnovni podaci koji se mogu zaključiti iz Grafikona XVII. su sljedeći: odnos

potražnje za stambenim fondom Zagreba i Hrvatske je proporcionalna odnosu broja

stanovnika Zagreba i Hrvatske. Sličan odnos ima i ponuda novogradnje. Cijena

13 DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall,

New Jersey, poglavlje 12., stranica 293.-307.

39

kvadrata stambene nekretnine je cca 20% skuplja u Zagrebu u odnosu na tržište

Hrvatske. Zbog višeg odnosa novogradnje i ukupnog fonda stanova, deprecijacija ima

višu vrijednost za Zagreb te shodno tome strmiju funkciju amortizacije. Uz potrebne

podatke, moguće je izraditi prethodni grafikon za bilo koju regiju Hrvatske te vidjeti

njena kretanja kroz razdoblja.

5.1.1. Hrvatska, cjelovita analiza

Podaci korišteni u statičkom modelu hrvatskog stambenog tržišta nekretnina

nalaze se u Tablici 1., poglavlje 8. Tablice. Statički model izveden je primjenom

metodologije opisane u poglavlju 4.1.2. Statički model. Analiza se odnosi na hrvatsko

stambeno tržište nekretnina u razdoblju od 1997. do 2014. godine gdje su podaci

obrađeni kao cjelina. Provedena je regresijska analiza troška kapitala u odnosu na

omjer stambenog fonda i zaposlenost. Time su dobiveni koeficijenti a i b potrebni za

Grafikon XVII.: DiPasquale-Wheaton model, usporedba stambenog tržišta Zagreba i Hrvatske, dugoročna ravnoteža za razdoblje 1997.-2014.

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

40

daljnju analizu. Potom je provedena regresijska analiza količine novoizgrađenih

kvadrata u odnosu na cijenu kvadrata nekretnine, kamatnu stopu trgovačkim

društvima iz prethodnog razdoblja te prosječne plaće građana. Time su dobiveni

koeficijenti α, β, g i δ. Koeficijenti a i b se odnose na funkciju potražnje za stambenim

nekretninama dok se koeficijenti α, β, g i δ odnose na funkciju ponude novoizgrađenih

stambenih nekretnina.14

Važno je napomenuti kako Hrvatska nije zatvorena država te i strani građani

mogu kupovati nekretnine što utječe na potražnju. Strani građani svojim kapitalom

također mogu i graditi nove nekretnine čime utječu na strani ponude. Nedostatak

vođenja ove evidencije onemogućuje izračun ovog utjecaja na strani ponude i

potražnje, no on je zasada i dalje prilično minoran u odnosu na ukupnu ponudu i

potražnju stambenog tržišta.

Regresijom funkcije potražnje za stambenim nekretninama dobivena je

funkcija:

𝑅𝑡 = −10063,2 + 102,0584 ∗𝑆𝑡

𝐸𝑡 15

(−4,81) (4,91)

𝑅2 = 0,60, 𝑁 = 18 (1997.-2014.)

14 Achour-Fischer D. (1999) An Integrated Property Market Model: A Pedagogical Tool. Journal of Real Estate Practice and Education: 1999, Vol. 2, No. 1, pp. 33-43. 15 Formula koja je zapravo procijenjena glasi:

R(t)=b/a-()*(S/E) R(t)=98,60/0,00979-(1/0,00979)*(S/E)

41

F vrijednost iznosi 24,10 te odbacuje nultu hipotezu da je parcijalni koeficijent

varijable S/E insignifikntan i jednak 0. U zagradama se nalaze t vrijednosti. Trošak

kapitala je pretpostavljen prema formuli danoj u poglavlju 3.2. Projicirani podaci, a

zasniva se na dugoročnoj kamatnoj stopi prema kućanstvima od koje je oduzeta

inflacija i promjena vrijednosti nekretnine za prethodne 4 godine. Predznak uz varijablu

S/E je pozitivan što znači da će porastom (padom) ukupnog fonda stanova ili padom

(porastom) zaposlenosti doći do rasta (pada) rente, odnosno troška kapitala. Varijabla

S/E je signifikantna na razini od 1%. Grafikon XVIII. prikazuje vrijednost dobivenu

modelom, �̂�, u odnosu na povijesne vrijednosti.

Regresijom funkcije ponude novogradnje dobivena je funkcija:

𝐶𝑡 = 3120890 + 294,55 ∗ 𝑃𝑡 − 16722562 ∗ 𝑟𝑡−1 − 783,59 ∗ 𝑊𝑡

(6,16) (6,47) (−6,65) (−8,25)

𝑅² = 0,87, 𝑁 = 18 (1997.-2014.)

-900

-600

-300

0

300

600

900

1200

1500

1997 1999 2001 2003 2005 2007 2009 2011 2013

vrije

dn

ost

tro

ška

kap

ital

a u

kn

/m²

godina

Vrijednost troška kapitala određene modelom

Pretpostavljena povijesna vrijednost troška kapitala

Grafikon XVIII.: Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Hrvatskoj, u odnosu na vrijednost troška kapitala određen modelom

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

42

F vrijednost od 30,6104 snažno odbacuje nultu hipotezu da su parcijalni

koeficijenti varijable, 𝑃𝑡, 𝑟𝑡−1i 𝑊𝑡insignifikatni i jednaki 0. U zagradama se nalaze t

vrijednosti. Predznak ispred varijable cijena i kamatna stopa je intuitivno jasan, rast

cijene vodi rastu izgradnje zbog viših profita, dok rast kamatne stope poduzećima

smanjuje obujam izgradnje zbog viših troškova zaduživanja. Negativni predznak

ispred varijable W, prosječna plaća je suprotna intuitivnoj. Porast prosječne plaće bi

trebao povećati dohodak građana te sukladno tome i njihovu potražnju za novim

nekretninama, no ovdje to nije slučaj. Razlog ovakvog čudnog rezultata mogao bi biti

taj što je u promatranom razdoblju od 18 godina, prvih 6 godina bilo razdoblje

prilagodbe na tržišnu ekonomiju dok je u posljednjih 6 godina rasla plaća u tekućim

cijenama, ali je realna plaća ostala na istom ako ne i nižem nivou. Prosječna plaća

ima pozitivan koeficijent jedino u razdoblju od 2003. do 2008. te ga prvo i treće

razdoblje poništavaju te je ukupan predznak za cjelokupni period u konačnici

negativan. Sve tri varijable su signifikantne na razini od 1%.

Dobiveni koeficijenti a, b, α, β, g i δ, su ubačeni u formulu za funkciju dugoročne

ravnotežne potražnje za stambenim nekretninama. Funkcija nije regresijski

analizirana zbog svog kvadratnog oblika. Dobiveni rezultat za razdoblje od 1997.-

2014. godine je uspoređen sa ukupnim stambenim fondom Republike Hrvatske te se

može vidjeti na Grafikonu XX. Usporedba potražnje s ponudom stanova na tržištu dala

je zanimljiv rezultat koji pokazuje izrazitu nestabilnost te cikličku ovisnost potražnje o

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

1997 1999 2001 2003 2005 2007 2009 2011 2013

količ

ina

no

vogr

adn

je u

m²

godina

Količina novogradnje stambenih nekretnina određena modelom

Povijesna količina novogradnje stambenih nekretnina

Grafikon XIX.: Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

43

stanju ekonomije u danom trenutku. U razdoblju od 1997. do 2004. potražnja je niža

od ponude izuzev 2000. godine. Potom slijedi nagli rast potražnje koji posljedično diže

cijenu nekretnina i količinu novogradnje sve do dolaska svjetske krize koja jako utječe

na hrvatsko stambeno tržište. Potražnja pada 6 godina zaredom te se trenutno nalazi

ispod vrijednost iz 2002. kada je zadnji put dosegla najnižu razinu.

𝑆∗ = 𝐸 ∗𝒃 ∗ 𝜷 + 𝑈 ∗ 𝑎(𝜶 + 𝛄 ∗ 𝑟𝑡−1 + 𝜹 ∗ 𝑊)

𝜷 + 𝒂 ∗ 𝑈 ∗ 𝐸 ∗ 𝑑

𝑆∗ = 𝐸 ∗𝟗𝟖, 𝟔 ∗ 𝟐𝟗𝟒, 𝟓𝟓 + 𝑈 ∗ 0,0098(3120889 − 16722562 ∗ 𝑟𝑡−1 − 783,59 ∗ 𝑊)

𝟐𝟗𝟒, 𝟓𝟓 + 𝟎, 𝟎𝟎𝟗𝟖 ∗ 𝑈 ∗ 𝐸 ∗ 𝑑

Grafikon XX.: Kretanje ukupnog stambenog fonda Hrvatske i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Hrvatskoj

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

5.1.2. Hrvatska, analiza po 6-godišnjim razdobljima

Rezultat statičkog modela ponude i potražnje hrvatskog stambenog tržišta

analizirat će se grafički na temelju dobivenih rezultata ekonometrijske analize. Vrijeme

promatranja od 18 godina podijeljeno je na 3 perioda od 6 godina i to: poratno

razdoblje od 1997. do 2002. godine, razdoblje općeg rasta ekonomije od 2003.-2008.

110.000.000

120.000.000

130.000.000

140.000.000

150.000.000

160.000.000

170.000.000

1997 1999 2001 2003 2005 2007 2009 2011 2013

Ko

ličin

a st

amb

eno

g fo

nd

a u

m²

godinaukupan stambeni fond Republike Hrvatske

Dugoročna ravnotežna potražnja određena modelom

𝑆∗

S

44

godine te razdoblje svjetske ekonomske krize iz koje Hrvatska tek danas pomalo izlazi,

a odnosi se na godine 2009. do 2015. Početna godina je uzeta zbog odmaka od

Domovinskog rata kada je građevinska aktivnost bila na izuzetno niskoj razini.

Također, Hrvatska kuna nije bila u potpunosti stabilna valuta u početku svoga

postojanja te se statistički pokazatelji cijene kvadrata nekretnine i početne plaće ne

mogu uzeti kao relevantni za ranije razdoblje. Ukupno razdoblje promatranja iznosi 18

godina te je prikladno svaki period podijeljen na 6 godina, što je dovoljno dugo vrijeme

za promatranje ekonomskog ciklusa.

U početku je provedena regresijska analiza istovjetna onoj za cijeli period od

18 godina. No, pokazalo se kako t vrijednost za varijable nije signifikantna na razini od

10% za manji uzorak od 6 godina. Uz to, postojala je visoka diskrepancija grafičkog

prikaza u odnosu na dobivene rezultate. Stoga je iz funkcije ponude novogradnje

izbačena kamatna stopa za poduzeća i prosječna plaća te je funkcija svedena na svoj

izvorni oblik 𝐶 = (𝑃 − 𝛽) ∗ 𝛼, odnosno 𝐶 =−𝛽

𝛼+

1

𝛼∗ 𝑃. Time je dobivena niža

korelacija modela sa stvarnim podacima, ali je varijabla cijene postigla razinu

signifikantnosti od 10%. U model funkcije potražnje je, osim ukupnog stambenog

fonda i zaposlenosti pokušano dodati određene varijable kako bi se vidjelo kako

reagiraju na ukupnu potražnju za nekretninama. Varijable su bile: broj stanovnika u

Hrvatskoj, broj kućanstava u Hrvatskoj, prosječna plaća, indeks cijena građevinskog

materijala. Nijedna od varijabli nije davala signifikantnu t vrijednost za cjelokupni

period od 18 godina te se koristila standardna formula za DW model.

Regresijom funkcije potražnje za stambenim nekretninama na temelju 3

perioda od po 6 godina dobivene su sljedeće formule, poredane kronološki:

𝑅 = −15031,5 + 150,18 ∗𝑆

𝐸

𝑅2 = 0,12, 𝑁 = 6 (1997.-2002.)

𝑅 = −15889,3 + 163,62 ∗𝑆

𝐸

𝑅2 = 0,46, 𝑁 = 6 (2003.-2008.)

45

𝑅 = −8217,15 + 85,12 ∗𝑆

𝐸

𝑅2 = 0,70, 𝑁 = 6 (2009.-2014.)

Koeficijent korelacije ja prilično slab za prva dva perioda, jednako kao i F

vrijednost koja iznosi 0,52 i 3,40 za prva dva perioda. Razlog tome je nepostojanje

podataka o trošku kapitala, odnosno renti te je ona aproksimirana, opisano u poglavlju

3.1. Projicirani podac. Koeficijenti su ipak korišteni kako bi se dobio grafički model po

razdobljima.

Regresijom funkcije ponude novogradnje na temelju 3 perioda od po 6 godina

dobivene su sljedeće formule, poredane kronološki:

𝐶 = 261682,37 + 112,46 ∗ 𝑃

𝑅2 = 0,17, 𝑁 = 6 (1997.-2002.)

𝐶 = 402961,941 + 126,51 ∗ 𝑃

𝑅2 = 0,86, 𝑁 = 6 (2003.-2008.)

𝐶 = −3710658,57 + 417,61 ∗ 𝑃

𝑅2 = 0,59, 𝑁 = 6 (2009.-2014.)

Koeficijent korelacije je slab za prvi period, kao i t vrijednost za varijablu cijena

koja je insignifikantna na razini od 10%. Varijabla cijene ima signifikantnu t vrijednost

za druga dva perioda na razini od 10%. Razlog slabe korelacije cijene i izgradnje u

prvom periodu može biti u poratnom razdoblju kada još nisu u potpunosti počeli

djelovati tržišni principi, već se išlo isključivo na obnovu ratom zahvaćenih područja.

Bez obzira na slabije rezultate, koeficijenti su korišteni u grafičkom modelu kako bi se

približno prikazala situacija na tržištu. Grafički model se prikazao daleko preciznijim

za koeficijente dobivene regresijom jednadžbe za ponudu novogradnje isključivo

preko cijene, bez kamatne stope poduzećima i prosječne plaće.

Dobivene varijable iz prethodnih funkcija poslužile su u izradi grafičkog prikaza

DiPasquale-Wheaton modela, Grafikon XXI. Rezultate je potrebno uzeti s rezervom

zbog niže korelacije sa stvarnim podacima. Najslabija korelacija s modelom je u prvom

46

razdoblju, 1997.-2002. godine što je donekle i logično jer je Hrvatska prolazila

tranizicijsko razdoblje iz socijalističkog sustava u kapitalizam.

Osnovni zaključci koji se mogu spoznati na temelju grafičkog prikaza DW

modela hrvatskog stambenog tržišta su: potražnja u hrvatskoj stagnira od nastanka

države jer bez obzira na rast kućanstava, broj stanovnika pada dok se zaposlenost

ciklički mijenja oko iste baze, koja otprilike iznosi 1.350.000 zaposlenih osoba. Nakon

stabilizacije valute dolazi do pada kamatnih stopa koje su povisile cijenu stanova i

smanjile trošak zaduživanja te tako povećavale prihode građevinskog sektora, a time

i obujam građevinskih radova. U zadnjem periodu, periodu gospodarske krize, visoka

cijena nekretnina i blagi rast kamatnih stopa izrazito smanjuje ponudu novogradnje na

tržištu stambenih nekretnina. Gospodarska kriza je bila toliko snažna i dugotrajna da

je došlo do pada procijenjene dugoročne potražnje na razinu koja nije zabilježena od

Grafikon XXI.: DiPasquale-Wheaton model baziran na hrvatskom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

47

1997. godine. Ponuda novogradnje je za zadnji period također pala na rekordno niske

razine te se prema modelu aktivira tek kada cijena kvadrata dosegne razinu od

približno 9000 kn. Pretpostavka je da je kriza dosegla svoju najnižu razinu te će doći

do oporavka nakon 2014. godine zbog rasta zaposlenosti koja ima najveći utjecaj na

potražnju za stambenim nekretninama.

Tijekom istraživanja, postupkom pokušaj pogreška, testirano je više

kombinacija varijabli kako bi se vidjelo u kojim uvjetima renta i količina novogradnje

najbolje reagiraju.

Prosječna plaća je prebačena u varijablu rente, no formula 𝑅 =𝑏

𝑎−

1

𝑎∗

𝑆

𝐸∗𝑊 se

nije pokazala kao relevantna, uz slabu korelaciju je imala i insignifikantne varijable.

Jednak postupak je proveden i za funkciju novogradnje gdje su na postojeću 𝐶 = 𝜶 +

𝜷 ∗ 𝑃 + 𝒈 ∗ 𝑟(𝑡 − 1) ∗ 𝜹𝑊 dodane varijable indeks troškova građevinskog materijala

(𝐶𝑚) te indeks prosječne plaće u sektoru Građevinarstvo (𝐶𝑊), no obje su se pokazale

kao insignifikantne te je s njima u formuli korelacija bitno smanjena. Nakon neuspjelih

pokušaja pronalaska jače koreliranosti rente i količine novogradnje odustalo se od

korištenja navedenih varijabli u modelu.

5.1.3. Zagreb, cjelovita analiza

Zagrebačko tržište stambenih nekretnina analizirano je istim principom kao i

hrvatsko tržište. Podaci korišteni u statičkom modelu zagrebačkog stambenog tržišta

nekretnina nalaze se u Tablici 2., poglavlje 8. Tablice. Statički model izveden je

primjenom metodologije opisane u poglavlju 4.1.1. Statički model . Analiza se odnosi

na zagrebačko stambeno tržište nekretnina u razdoblju od 1997. do 2014. godine gdje

su podaci obrađeni kao cjelina.

Razlika između hrvatskog tržišta stambenih nekretnina i zagrebačkog tržišta

stambenih nekretnina, osim u obujmu, leži i u dnevnim migracijama stanovništva. Kao

što je opisano u poglavlju 5.1.1. strani građani čine dio ponude i potražnje na

hrvatskom tržištu stambenih nekretnina. Jednako tako čine i na zagrebačkom tržištu,

ali puno bitniji faktor su ljudi koji žive izvan Zagreba, a zaposleni su u Zagrebu i

obrnuto. Prema službenoj evidenciji grada Zagreba, u Zagrebu je od 1997. do 2014.

godine bilo zaposleno između 330 i 420 tisuća ljudi dok je broj stanovništva iznosio

približno 800 tisuća uz izrazito male pomake. U Hrvatskoj je u istom razdoblju bilo

48

zaposleno između 1200 i 1500 tisuća ljudi dok je broj stanovništva konstantno padao

s 4,5 na 4,2 milijuna ljudi. Omjer broja zaposlenih i ukupnog stanovništva u Zagrebu

za dano razdoblje iznosi cca 0,42-0,52 dok omjer broja zaposlenih i ukupnog

stanovništva u Hrvatskoj za dano razdoblje iznosi cca 0,27-0,35. U Zagrebu je stopa

zaposlenosti za cijelo promatrano razdoblje bila viša od hrvatskog prosjeka, ali ne

toliko koliko sugeriraju navedeni podaci. Razlog tome je ranije navedena metodologija

obračuna koja potom daje iskrivljene podatke analize koja je provedena u ovom radu.

Regresijom funkcije potražnje za stambenim nekretninama dobivena je

funkcija:

𝑅𝑡 = −14574,8 + 250,48 ∗𝑆𝑡

𝐸𝑡

𝑅2 = 0,67, 𝑁 = 18 (1997.-2014.)

F vrijednost od 18,89 odbacuje nultu hipotezu da je parcijalni koeficijent

varijable S/E insignifikantan i jednak 0. Koeficijent uz varijablu S/E je cca 2,5 puta veći

od onoga za čitavu Hrvatsku što upućuje na puno veću promjenu troška kapitala

prilikom promjene omjera stambenog fonda i zaposlenosti u Zagrebu.

-1500

-1000

-500

0

500

1000

1500

2000

1997 1999 2001 2003 2005 2007 2009 2011 2013

vrije

dn

ost

tro

ška

kap

ital

a u

kn

/m²

godinaVrijednost troška kapitala nekretnine određena modelom

Pretpostavljena povijesna vrijednost troška kapitala

Grafikon XXII.: Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Zagrebu, u odnosu na vrijednost troška kapitala određen modelom

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

49

Regresijom funkcije ponude novogradnje dobivena je funkcija:

𝐶𝑡 = 774443,2 + 116,75 ∗ 𝑃𝑡 − 6633902 ∗ 𝑟𝑡−1 − 247,19 ∗ 𝑊𝑡

𝑅2 = 0,88, 𝑁 = 18 (1997.-2014.)

F vrijednost od 33,99 snažno odbacuje nultu hipotezu da su parcijalni

koeficijenti varijable, P(t), r(t-1) i W(t) insignifikatni i jednaki 0. Ponovno kao i u

jednadžbi za područje čitave Hrvatske, predznak uz prosječnu plaću je negativan što

je suprotno od intuitivne vrijednosti koja bi se trebala pojaviti uz tu varijablu. Mogući

razlozi su već opisani u poglavlju 5.1.1. U odnosu na hrvatsko tržište, u Zagrebu sve

tri varijable, cijena, kamatna stopa poduzećima i prosječna plaća imaju manje

koeficijente što vodi do zaključka kako njihova promjena slabije utječe na promjenu

količine novogradnje.

Dobiveni koeficijenti a, b, α, β, g i δ, su ubačeni u formulu za funkciju dugoročne

ravnotežne potražnje za stambenim nekretninama. Funkcija nije regresijski

analizirana zbog svog kvadratnog oblika. Dobiveni rezultat za razdoblje od 1997.-

2014. godine je uspoređen sa ukupnim stambenim fondom Zagreba te se može vidjeti

na Grafikonu XXIV. Usporedba potražnje s ponudom stanova na tržištu dala je

zanimljiv rezultat koji pokazuje donekle slabiju nestabilnost u odnosu na čitavu

Hrvatsku te cikličku ovisnost potražnje o stanju ekonomije u danom trenutku. U

0

100.000

200.000

300.000

400.000

500.000

600.000

700.000

1997 1999 2001 2003 2005 2007 2009 2011 2013

količ

ina

no

vogr

adn

je u

m²

godina

Količina novogradnje stambenih nekretnina određena modelom

Povijesna količina novogradnje stambenih nekretnina

Grafikon XXIII.: Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

50

razdoblju od 1997. do 2004. potražnja je niža od ponude. Potom slijedi nagli rast

potražnje koji posljedično diže cijenu nekretnina i količinu novogradnje sve do dolaska

svjetske krize koja jako utječe na hrvatsko stambeno tržište. Potražnja pada 6 godina

zaredom, ali za razliku od situacije na tržištu čitave Hrvatske, potražnja ne opada na

razinu iz 2002. već se nalazi na donekle višoj vrijednosti iz 1997. godine.

𝑆∗ = 𝐸 ∗𝟓𝟖, 𝟏𝟗 ∗ 𝟏𝟏𝟔, 𝟕𝟓 + 𝑈 ∗ 0,0039(𝟕𝟕𝟒𝟒𝟒𝟑 − 6633902 ∗ 𝑟𝑡−1 − 247,18 ∗ 𝑊)

𝟏𝟏𝟔, 𝟕𝟓 + 𝟎, 𝟎𝟎𝟑𝟗 ∗ 𝑈 ∗ 𝐸 ∗ 𝑑

5.1.4. Zagreb, analiza po 6-godišnjim razdobljima

Rezultat statičkog modela ponude i potražnje zagrebačkog stambenog tržišta

analizirat će se grafički na temelju dobivenih rezultata ekonometrijske analize. Vrijeme

promatranja od 18 godina podijeljeno je na 3 perioda od 6 godina jednako kao i za

hrvatsko tržište stambenih nekretnina. Jednako kao i za analizu cjelokupnog hrvatskog

tržišta, iz fukcije ponude novogradnje su izbačene varijable prosječna plaća i kamatna

stopa poduzećima za prethodno razdoblje, jer su se pokazale insignifikantne na

uzorku od 6 godina. Stoga je ponovno korištena osnovna DiPasquale-Wheaton

formula za ponudu kvadrata stambene novogradnje koja glasi: 𝐶 = (𝑃 − 𝛽) ∗ 𝛼,

odnosno 𝐶 =−𝛽

𝛼+

1

𝛼∗ 𝑃.

18.000.000

19.000.000

20.000.000

21.000.000

22.000.000

23.000.000

24.000.000

25.000.000

26.000.000

27.000.000

1997 1999 2001 2003 2005 2007 2009 2011 2013

količ

ina

zagr

ebač

kog

stam

ben

og

fon

da

u m

²

godina

ukupan stambeni fond grada Zagreba dugoročna ravnotežna potražnja određena modelom

𝑆∗

S

Grafikon XXIV.: Kretanje ukupnog stambenog fonda Zagreba i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Zagrebu

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

51

Regresijom funkcije potražnje za stambenim nekretninama na temelju 3

perioda od po 6 godina dobivene su sljedeće formule, poredane kronološki:

𝑅 = −13736,7 + 229,74 ∗𝑆

𝐸

𝑅2 = 0,51, 𝑁 = 6 (1997.-2002.)

𝑅 = −20872,8 + 361,43 ∗𝑆

𝐸

𝑅2 = 0,83, 𝑁 = 6 (2003.-2008.)

𝑅 = −12606,31 + 223,97 ∗𝑆

𝐸

𝑅2 = 0,86, 𝑁 = 6 (2009.-2014.)

Koeficijent korelacije je viši za sva 3 razdoblja u odnosu na cjelokupno hrvatsko

tržište. F vrijednost je signifikantna na razini od 13%, i dalje slab rezultat, ali bolji od

prve analize. Razlog tome je nepostojanje podataka o trošku kapitala, odnosno renti

te je ona aproksimirana, opisano u poglavlju 3.1. Projicirani podaci. Koeficijenti su ipak

korišteni kako bi se dobio grafički model po razdobljima.

Regresijom funkcije ponude novogradnje na temelju 3 perioda od po 6 godina

dobivene su sljedeće formule, poredane kronološki:

𝐶 = −177710 + 41,25 ∗ 𝑃

𝑅2 = 0,14, 𝑁 = 6 (1997.-2002.)

𝐶 = −452115 + 75,96 ∗ 𝑃

𝑅2 = 0,94, 𝑁 = 6 (2003.-2008.)

𝐶 = −967029 + 92,68 ∗ 𝑃

𝑅2 = 0,77, 𝑁 = 6 (2009.-2014.)

Najslabija korelacija vidljiva je u prvom periodu kada je cijena nekretnine i dalje

pod utjecajem ratnih razdoblja te slabe likvidnosti sekundarnog tržišta. Varijabla cijene

je insignifikantna na prvo razdoblje. Drugi i treći period imaju prilično visok koeficijent

korelacije te im je varijabla cijene signifikantna na razini 1% za drugo te 10% za treće

52

razdoblje. Slabija signifikantnost trećeg razdoblja je uvjetovana ljepljivim cijenama

koje ne slijede osnovne tržišne mehanizme.16

Osnovni zaključci koji se mogu spoznati na temelju grafičkog prikaza DW

modela zagrebačkog stambenog tržišta, na grafikonu XXV. su sljedeći. Potražnja u

Zagrebu se razlikuje od one na čitavu Hrvatsku jer broj stanovništva u Zagrebu ima

minimalnu, no stabilnu stopu rasta. Zbog toga se utjecaj posljednje gospodarske krize

nije toliko osjetio na potražnju koja se blago smanjila. Nakon stabilizacije valute došlo

je do pada kamatnih stopa koje su povisile cijenu stanova i smanjile trošak zaduživanja

te tako povećavale prihode građevinskog sektora, a time i obujam građevinskih

radova. Zagrebačko tržište je osjetilo dvostruki rast ponude novogradnje za razdoblje

od 2003.-2008. u odnosu na prethodno 6-godišnje razdoblje. U zadnjem periodu,

periodu gospodarske krize, visoka cijena nekretnina i blagi rast kamatnih izrazito

smanjuje ponudu novogradnje na tržištu stambenih nekretnina. Ponuda novogradnje

je u zadnjem periodu postala izuzetno neelastična te je također pala na rekordno niske

razine. Prema modelu, do aktivacije novogradnje dolazi tek kad cijena kvadrata

dosegne razinu od cca 10500 kn. Pretpostavka je da je kriza dosegla svoju najnižu

razinu te će doći do oporavka nakon 2014. godine zbog rasta zaposlenosti koja ima

najveći utjecaj na potražnju za stambenim nekretninama.

16 Tica, J., (2011), Ekonomske posljedice politike sprječavanja pada cijene stanova, No 1106, EFZG Working Papers Series, Faculty of Economics and Business, University of Zagreb.

53

5.2. Dinamički model ponude i potražnje

5.2.1. Hrvatska

Dinamički model ponude i potražnje hrvatskog tržišta stambenih nekretnina

analiziran je na temelju podataka koji se nalaze u Tablici 1., poglavlje 8. Tablice. Model

se sastoji od 3 funkcije: potražnja za nekreninama, ponuda novih nekretnina i ukupan

fond nekretnina. Međuovisnost ovih triju funkcija omogućuje rekurzivno djelovanje

koje potom predviđa buduća kretanja potražnje i ponude na temelju zadanih

ekonomskih varijabli (inflacija, kamatna stopa građanima i poduzećima, zaposlenost,

rast plaće).

Grafikon XXV.: DiPasquale-Wheaton model baziran na zagrebačkom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

54

Dinamički model ponude i potražnje objašnjen u poglavlju 4.1.2. Dinamički

model, određuje potražnju kao funkciju cijene u ovisnosti o trošku kapitala, dohotka (u

ovom slučaju prosječne plaće) te omjera stambenog fonda i zaposlenosti. Regresijom

je utvrđeno kako trošak kapitala nije signifikantna varijabla u određivanju cijene te je

izbačen iz jednadžbe. Regresijska analiza podataka za razdoblje od 1997.-2014.

godine dala je sljedeću funkciju potražnje za stambenim nekretninama.

𝑃𝑡 = 15862,17 + 1,75 ∗ W𝑡 − 131,86 ∗S𝑡

E𝑡

(6,04) (13,13) (−4,84)

𝑅 = 0,92, 𝑁 = 18 (1997.-2014.)

F vrijednost od 64,10 snažno odbacuje nultu hipotezu da su parcijalni

koeficijenti varijable W i S/E insignifikatni i jednaki 0. Koeficijent uz varijablu prosječna

plaća je pozitivan, rastom dohotka građana raste potražnja za nekretninama što diže

cijenu kvadrat. Omjer stambenog fonda i zaposlenosti ima negativan predznak što

intuitivno govori kako porast (pad) stambenog fonda te pad (porast) zaposlenosti

smanjuje (povećava) potražnju za stambenim nekretninama čime cijena kvadrata

pada (raste). Varijable prosječna plaća te omjer stambenog fonda i zaposlenosti su

signifikantne na razini od 1%. Varijabla troška kapitala nije se pokazala signifikantna

na razini od 10% te je izbačena iz jednadžbe. Razlog može ležati u tome što prosječni

građani Hrvatske nisu dovoljno bogati da bi nekretnine koristili kao kapital, već je

prosječnom Hrvatu nekretnina većinom isključivo mjesto za stanovanje.

55

Regresijska analiza podataka za razdoblje 1997.-2014. godine dala je sljedeću

funkciju ponude novogradnje stambenih nekretnina, koju je moguće vidjeti na

Grafikonu XXVI.

𝐶𝑡 = 9877714 + 213,65 ∗ 𝑃𝑡 − 0,07 ∗ 𝑆𝑡−1 − 10235359 ∗ 𝑟𝑡−1

(12,45) (7,50) (−11,69) (−6,34)

𝑅 = 0,93, 𝑁 = 18 (1997.-2014.)

F vrijednost od 59,96 snažno odbacuje nultu hipotezu da su parcijalni

koeficijenti varijable, 𝑃𝑡, 𝑆𝑡−1, 𝑟𝑡−1 insignifikatni i jednaki 0. Koeficijent uz varijablu P,

cijena kvadrata nekretnine je pozitivan te prikazuje jasnu povezanost rasta cijene

nekretnine s porastom izgradnje novih nekretnina. Varijable 𝑆𝑡−1, 𝑟𝑡−1 imaju negativan

predznak koji daje do znanja da će se porastom fonda stanova i kamatne stope

količina novogradnje smanjiti. Sve 3 varijable imaju signifikantne t vrijednosti na razini

od 1%.

Funkcija 𝑆𝑡 = 𝑆𝑡−1 + 𝐶𝑡−1 jest funkcija koja preuzima podatke iz prošlog

razdoblja te računa ukupan stambeni fond sljedećeg razdoblja. Time se dobiva

podatak za funkciju potražnje koji računa cijenu. Dobivena cijena se potom ubacuje u

0

2000

4000

6000

8000

10000

12000

14000

16000

1997 1999 2001 2003 2005 2007 2009 2011 2013

cije

na

kvad

rata

sta

mb

ene

nek

retn

ine

u k

n/m

²

godinaCijena kvadrata stambene nekretnine određena modelom

Povijesna cijena kvadrata stambene nekretnine

Grafikon XXVI.: Kretanje stvarne cijene kvadrata stambenih nekretnina u Hrvatskoj, u odnosu na modeliranu vrijednost

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

56

funkciju ponude novogradnje koja daje količinu novoizgrađenih stambenih kvadrata.

Dobivena količina novogradnje ponovno ulazi u funkciju korekcije i tako unedogled.

Ova rekurzija omogućava predviđanje budućih kretanja cijene nekretnine i

novogradnje na temelju postojećih podataka i ekonomskih varijabli.

Pomoću navedenih funkcija izveden je dinamički model koji procjenjuje cijenu

kvadrata stambene nekretnine i količinu novoizgrađenih kvadrata stambenih

nekretnina. Model je napravljen za 3 scenarija: pesimističan, srednji i optimističan do

godine 2060. S obzirom da je to iznimno daleka budućnost, rezultati analize bit će

prikazani do 2024. godine, a 2060. je uzeta kao ciljna godina za ekonomske varijable.

Varijable koje su utjecale na model su dugoročne kamatne stope građanima,

dugoročne kamatne stope poduzećima, prosječna plaća te zaposlenost. Inflacija je u

sva 3 modela pretpostavljena na stabilnih 2%. Zaposlenost je procijenjena kao

umnožak stope zaposlenosti (𝑎𝑤) i radno sposobnog stanovništva 15-65 godina (𝑁𝑤).

𝐸 = 𝑁𝑤 ∗ 𝑎𝑤 (5.1.)

Grafikon XXVII.: Kretanje stvarne količine novogradnje stambenih nekretnina u odnosu na modeliranu vrijednost

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Ko

ličin

a n

ovo

grad

nje

u m

²

godina

Količina novogradnje određena modelom Povijesna vrijednost količine novogradnje

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

57

Sve 4 varijable se kreću kao polinomne funkcije. Referentne vrijednosti za stopu

zaposlenosti i kamatnu stopu prema poduzećima su uzete prema državama u

okruženju kojima Hrvatska nastoji konvergirati.17 18

Pesimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za

građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od

cca 4,5%. Rast plaća će na godišnjoj razini iznositi 3% a stopa zaposlenosti

stanovništva će iznositi 55%.

Srednji scenarij pretpostavlja kako će dugoročna kamatna stopa za građane te

dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od cca 3%.

Rast plaća će na godišnjoj razini iznositi 3.5% a stopa zaposlenosti stanovništva će

iznositi 65%.

Optimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za

građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od

cca 1.5%. Rast plaća će na godišnjoj razini iznositi 4% a stopa zaposlenosti

stanovništva će iznositi 75%.

17 Euro Area Statistics, (2015.). Bank Interest Rates – Loans, December 2015. Preuzeto 19.12.2015.

s: https://www.euro-area-statistics.org/bank-interest-rates-loans?cr=eur&lg=en 18 EUROSTAT, (2015.). Employment rate of the total population, men and women, age group 20-64,

Luxembourg, Eurostat, November 2015.

0

400000

800000

1200000

1600000

2000000

2400000

1996 2000 2004 2008 2012 2016 2020 2024

količ

ina

no

vogr

adn

je u

m²

godinapesimistična procjena optimistična procjena

srednja procjena povijesna vrijednost

Grafikon XXVIII.: Procjena količine novogradnje stambenih nekretnina u Hrvatskoj prema dinamičkom modelu

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

58

Ubacivanjem prethodno navedenih podataka u model, dobivene su

procijenjene vrijednosti za cijenu kvadrata stambene nekretnine i za količinu

novogradnje stambenih kvadrata koje se mogu vidjeti na Grafikonima XXVIII. i XXIX.

Vidljivo je kako je Hrvatska trenutno na najnižoj razini ponude i potražnje za

stambenim nekretninama te je potreban snažan poticaj kako bi se izašlo iz nastale

situacije.

Osim na prethodno prikazan način, moguće je koristiti model dodavanjem

slučajnih vrijednosti na prethodno objašnjene varijable. Varijabla zaposlenost je

ključna u ovoj primjeni modela. Zaposlenost je određena kao umnožak stope

zaposlenosti za srednji scenarij i ukupnog broja radno sposobnog stanovništva (15-65

godina). Potom je na tu funkciju dodana promjena zaposlenosti prethodna 4 razdoblja

koja je pomnožena sa slučajnim brojem, pozitivnim ili negativnim. Sve ostale varijable,

kamatne stope kućanstvima i poduzećima, inflacija i rast neto plaće se kreću ranije

zadanim pravcima, onima za srednji scenarij. Potom je na njih dodana promjena

zaposlenosti za prethodna 4 razdoblja kako bi slijedile „realno“ ekonomsko kretanje,

odnosno zaposlenost.

Rezultat modela je zanimljiv jer prikazuje kretanje ponude i potražnje za

nekretninama u ovisnosti o ostalim ekonomskim varijablama. Mogući budući ishodi

prikazani su na sljedećim. Grafikon XXX. prikazuje moguće buduće kretanje količine

novogradnje te realne neto plaće temeljen na srednjem scenariju. Grafikon XXXI.

0

2000

4000

6000

8000

10000

12000

14000

16000

18000

20000

1996 2000 2004 2008 2012 2016 2020 2024

cije

na

stam

ben

e n

ekre

tnin

e u

kn

/m²

godinapesimistična procjena optimistična procjena

srednja procjena povijesna vrijednost

Grafikon XXIX.: Procjena cijene kvadrata nekretnine u Hrvatskoj prema dinamičkom modelu

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

59

prikazuje broj zaposlenih za srednji scenarij. Grafikoni XXX i XXXI. prikazuju kretanje

količine novogradnje, realne neto plaće i zaposlenosti bez ekonomski šokova, prema

stalnim vrijednostima. Grafikon XXXII. prikazuje moguć budući razvoj događaja

temeljen na srednjem scenariju uz dodatak slučajne varijable stopi zaposlenosti koja

potom pokreće lavinu promjena, na samu zaposlenost, kamatnu stopu poduzećima,

inflaciju i prosječnu plaću, što dalje vodi promjeni količine novogradnje i cijeni kvadrata

nekretnine. Grafikon XXXIII. prikazuje kretanje broja zaposlenih za prethodno

navedenu situaciju. Oba scenarija prikazuju moguću stvarnost, ali se moraju uzeti s

rezervom zbog jednostavnosti modela.

0 kn

2.000 kn

4.000 kn

6.000 kn

8.000 kn

10.000 kn

12.000 kn

14.000 kn

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

3.000.000

3.500.000

4.000.000

1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057

real

na

net

o p

laća

u k

n

količ

ina

no

vogr

adn

je u

m²

godinaNovogradnja Realna neto plaća - desna strana

1.000.000

1.100.000

1.200.000

1.300.000

1.400.000

1.500.000

1.600.000

1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057

bro

j zap

osl

enih

u H

rvat

sko

j

godina

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

Grafikon XXX.: Buduća količina novogradnje i realne neto plaće temeljena na procijenjenoj vrijednosti ekonomskih varijabli u Hrvatskoj, srednji scenarij

Grafikon XXXI.: Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na procijenjenoj vrijednosti ekonomskih varijabli, srednji scenarij

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

60

1.000.000

1.100.000

1.200.000

1.300.000

1.400.000

1.500.000

1.600.000

1.700.000

1.800.000

1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057

bro

j zap

osl

enih

uH

rvat

sko

j

godina

Grafikon XXXII.: Buduća količina novogradnje i realne neto plaće temeljena na slučajnom kretanju ukupne zaposlenosti u Hrvatskoj, srednji scenarij

0 kn

2.000 kn

4.000 kn

6.000 kn

8.000 kn

10.000 kn

12.000 kn

14.000 kn

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

3.000.000

3.500.000

4.000.000

1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057

real

na

net

o p

laća

u k

n

količ

ina

no

vogr

adn

je u

m²

godinaNovogradnja Realna neto plaća - desna strana

Grafikon XXXIII.: Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na slučajnoj varijabli, srednji scenarij

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

61

5.2.2. Zagreb

Dinamički model ponude i potražnje zagrebačkog tržišta stambenih nekretnina

analiziran je na temelju podataka koji se nalaze Tablici 2., poglavlje 8. Tablice.

Jednako kao i u modelu za cijelu Hrvatsku, model se sastoji od 3 funkcije: potražnja

za nekreninama, ponuda novih nekretnina i ukupan fond nekretnina. Međuovisnost

ovih triju funkcija omogućuje rekurzivno djelovanje koje potom predviđa buduća

kretanja potražnje i ponude na temelju zadanih ekonomskih varijabli (inflacija,

kamatna stopa građanima i poduzećima, zaposlenost, rast plaće).

Potražnja za nekretninama određena je funkcijom cijene. Regresija je pokazala

kako trošak kapitala jednako kao i na razini čitave Hrvatske ne utječe na određivanje

cijene nekretnina. Njegova t vrijednost se nije pokazala signifikantna na uzorku od 18

godina, stoga je izbačena iz analize, a varijable koje su uzete u obzir su prosječna

plaća te omjer stambenog fonda i zaposlenosti. Osim, njih pokušano je vidjeti ovisnost

broja stanovnika te broja kućanstava u odnosu na cijenu, ali su se i te varijable

pokazale insignifikantne u analizi. Regresijska analiza podataka za razdoblje od

1997.-2014. godine dala je sljedeću funkciju potražnje za stambenim nekretninama.

𝑃𝑡 = 26899,45 + 1,28 ∗ 𝑊𝑡 − 373,12 ∗𝑆𝑡

𝐸𝑡

(7,80) (11,30) (−6,55)

𝑅² = 0,92, 𝑁 = 18 (1997.-2014.)

F vrijednost od 88,15 snažno odbacuje nultu hipotezu da su parcijalni

koeficijenti varijable W i S/E insignifikatni i jednaki 0. Potražnja na zagrebačkom tržištu

nekretnina pokazuje određene razlike u odnosu na hrvatsko tržište. Koeficijent uz

varijablu prosječne plaće je manji dok je koeficijent omjera stambenog fonda i

zaposlenosti veći nego na cjelokupnom hrvatskom tržištu. Time se pokazuje kako

promjena prosječne plaće u Zagrebu ima manji utjecaj dok promjena zaposlenosti i

ukupnog stambenog fonda ima veći utjecaj na određivanje cijene kvadrata nekretnine.

Razlog tomu može se nalaziti u činjenici kako značajan postotak dohotka koji se

ostvaruje u Zagrebu se ne troši u Zagrebu, već u mjestu stanovanja radnika koji

svakodnevno migriraju u Zagreb na posao. Jednako vrijedi i za zaposlenost. Obje

varijable su signifikantne na razini od 1%.

62

Regresijska analiza podataka za razdoblje 1997.-2014. godine dala je sljedeću

funkciju ponude novogradnje stambenih nekretnina.

𝐶𝑡 = 1839472,88 + 94,74 ∗ 𝑃𝑡 − 0,11 ∗ 𝑆𝑡−1 − 3024903 ∗ 𝑟𝑡−1

(6,58) (8,07) (−9,10) (−3,80)

𝑅² = 0,91, 𝑁 = 18 (1997.-2014.)

F vrijednost od 45,14 snažno odbacuje nultu hipotezu da su parcijalni

koeficijenti varijable, P(t), S(t-1) i r(t-1) insignifikatni i jednaki 0. Kao i u model

potražnje, vidljiva je razlika u koeficijentima u odnosu na hrvatsko tržište nekretnina.

Varijabla cijene ima manji utjecaj na formiranje količine novogradnje. Pokušana je

regresija s drugačijim kašnjenjem za varijable S i r, no najbolja korelacija i

signifikantnost pokazala se za kašnjenje od 1 godine. Ukupan stambeni fond

prethodnog razdoblja te kamatna stopa poduzećima za prethodno razdoblje imaju veći

utjecaj na količinu novogradnje u odnosu na cjelokupno hrvatsko tržište. Sve tri

varijable su signifikantne na razini od 1%.

Funkcija 𝑆𝑡 = 𝑆𝑡−1 + 𝐶𝑡−1 jest funkcija koja preuzima podatke iz prošlog

razdoblja te računa ukupan stambeni fond sljedećeg razdoblja. Time se dobiva

podatak za funkciju potražnje koji računa cijenu. Dobivena cijena se potom ubacuje u

funkciju ponude novogradnje koja daje količinu novoizgrađenih stambenih kvadrata.

0 kn

2.000 kn

4.000 kn

6.000 kn

8.000 kn

10.000 kn

12.000 kn

14.000 kn

16.000 kn

1997 1999 2001 2003 2005 2007 2009 2011 2013

cije

na

kvad

rata

sta

mb

ene

nek

retn

ine

u k

n/m

²

godina

cijena kvadrata stambene nekretnine u Zagrebu određena modelom

povijesna cijena kvadrata stambene nekretnine u Zagrebu

Grafikon XXXIV.: Kretanje stvarne cijene kvadrata stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

63

Ova rekurzija omogućava predviđanje budućih kretanja cijene nekretnine i

novogradnje na temelju postojećih podataka i ekonomskih varijabli.

Pomoću navedenih funkcija izveden je dinamički model koji procjenjuje cijenu

kvadrata stambene nekretnine i količinu novoizgrađenih kvadrata stambenih

nekretnina na području Zagreba. Model je napravljen za 3 scenarija: pesimističan,

srednji i optimističan do godine 2060. S obzirom da je to iznimno daleka budućnost,

rezultati analize bit će prikazani do 2024. godine, a 2060. je uzeta kao ciljna godina

za ekonomske varijable. Varijable koje su utjecale na model su dugoročne kamatne

stope građanima, dugoročne kamatne stope poduzećima, prosječna plaća te

zaposlenost. Inflacija je u sva 3 modela pretpostavljena na stabilnih 2%. Zaposlenost

je procijenjena kao umnožak stope zaposlenosti i radno sposobnog stanovništva (15-

65 godina). Sve 4 varijable se kreću kao polinomne funkcije. Kao što je već ranije

opisano, stopa zaposlenosti koja je korištena u izračunu je aproksimirana vrijednost

jer je dobivena omjerom zaposlenih u Zagrebu koji ne moraju biti i stanovnici Zagreba

te ukupnog broja stanovnika grada Zagreba. Stoga je stopa zaposlenosti viša od

stvarne vrijednosti. Jednako kao i na slučaju analize za čitavu Hrvatsku, i ovdje su

korištene referentne vrijednosti za stopu zaposlenosti i kamatnu stopu prema

0

100.000

200.000

300.000

400.000

500.000

600.000

700.000

1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016

Ko

ličin

a n

ovo

grad

nje

u m

²

godina

količina novogradnje u Zagrebu određena modelom

povijesna vrijednost količine novogradnje u Zagrebu

Grafikon XXXV.: Kretanje stvarne količine novogradnje stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

64

poduzećima bazirane na vrijednostima iz europskih država okruženja kojima Hrvatska

nastoji konvergirati.19 20

Pesimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za

građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od

cca 4,5%. Rast plaća će na godišnjoj razini iznositi 3% a stopa zaposlenosti

stanovništva će iznositi 80%.

Srednji scenarij pretpostavlja kako će dugoročna kamatna stopa za građane te

dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od cca 3%.

Rast plaća će na godišnjoj razini iznositi 3.5% a stopa zaposlenosti stanovništva će

iznositi 90%.

Optimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za

građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od

cca 1.5%. Rast plaća će na godišnjoj razini iznositi 4% a stopa zaposlenosti

stanovništva će iznositi 100%.

Ubacivanjem prethodno navedenih podataka u model, dobivene su sljedeće

procijenjene vrijednosti za cijenu kvadrata stambene nekretnine i za količinu

novogradnje stambenih kvadrata. Vidljivo je kako je Zagreb trenutno na najnižoj razini

ponude i potražnje za stambenim nekretninama te je potreban snažan poticaj kako bi

se izašlo iz nastale situacije. Model je prema korištenim podacima izbacio negativnu

vrijednost za funkciju novogradnje što fizički nije moguće te je zbog toga za te godine

stavljena vrijednost 0, odnosno nepostojanje novogradnje. Grafikon XXXVI. prikazuje

3 moguća buduća scenarija kretanja količine novogradnje stambenih nekretnina u

Zagrebu. Grafikon XXXVII. prikazuje 3 moguća buduća scenarija kretanja cijene

kvadrata novoizgrađene nekretnine u Zagrebu na temelju scenarija novogradnje iz

prethodnog grafikona.

19 Euro Area Statistics, (2015.). Bank Interest Rates – Loans, December 2015. Preuzeto 19.12.2015.

s: https://www.euro-area-statistics.org/bank-interest-rates-loans?cr=eur&lg=en 20 EUROSTAT, (2015.). Employment rate of the total population, men and women, age group 20-64,

Luxembourg, Eurostat, November 2015.

65

0

100000

200000

300000

400000

500000

600000

700000

1996 2000 2004 2008 2012 2016 2020 2024

količ

ina

no

vogr

adn

je u

m²

godinapesimisična procjena optimistična procjena

Grafikon XXXVI.: Procjena količine novogradnje stambenih nekretnina u Zagrebu prema dinamičkom modelu

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

6000

7000

8000

9000

10000

11000

12000

13000

14000

15000

16000

1996 2000 2004 2008 2012 2016 2020 2024

cije

na

nek

retn

ine

u k

n/m

²

godinapesimistična procjena optimistična procjena

Grafikon XXXVII.: Procjena cijene kvadrata nekretnine u Zagrebu prema dinamičkom modelu

Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora

66

6. ZAKLJUČAK

Hrvatsko stambeno tržište i tržište nekretnina u trgovini na veliko i malo čini

velik dio hrvatskog bruto domaćeg proizvoda, a čine ga sektor poslovanje

nekretninama, građevinarstvo i trgovina na veliko i malo. Upravo zbog svog obujma je

zanimljiva tema proučavanja. Ekonomisti Denise DiPasquale i William Wheaton su u

svom radu The markets for Real Estate Assets and Space: A Conceptual Framework

(1992.) odredili osnovne pretpostavke o kretanju tržišta nekretnina te na temelju njih

izveli model 4 kvadranta koji na jednostavan način opisuje dugoročnu ravnotežu na

tržištu nekretnina. Autor ovog rada je primjenio ovakav način razmišljanja na hrvatsko

stambeno tržište i tržište nekretnina u trgovini na veliko i malo. Model je blago

izmijenjen zbog nedostataka određenih podataka, no i dalje je približno jednak

originalu.

Hrvatsko stambeno tržište prošlo je dinamično razdoblje od svog

osamostaljenja do danas. Početna faza je zbog ratnog okruženja bila na iznimno

niskoj razini aktivnosti da bi se zahuktala krajem 20. stoljeća kada je provedena

tranzicija sa socijalističkih na tržišne principe. Nemogućnost pribavljanja podataka o

cijeni nekretnina na sekundarnom tržištu donekle je utjecao na rezultate istraživanja

gdje je cijena sekundarnog tržišta zamijenjena cijenom novoizgrađenih stanova.

Trenutno stanje gospodarstva je na veoma niskoj razini aktivnosti kada zbog visokih

cijena koje smanjenjem potražnje za nekretninama ne padaju, dolazi do općeg

zamiranja ponude novih stanova.

Zbog nedostatka podataka o cijenama i renti na tržištu nekretnina u trgovini na

malo, ovaj sektor je obrađen samo teorijski, bez empirijske analize.

U radu su empirijski obrađena 2 modela stambenog tržišta, statički i dinamički

na 2 tržišta, tržištu cijele Hrvatske te tržištu grada Zagreba. Statički model je dao

rezultate u obliku grafičkog prikaza DiPasquale-Wheaton modela 4 kvadranta.

Izvedena je analiza dugoročne ravnoteže za 3 period od 6 godina, 1997.-2002., 2003.-

2008. i 2009.-2014. koja je pokazala kretanje ukupne aktivnosti na hrvatskom

stambenom tržištu. Jednaka analiza je izvedena i za zagrebačko tržište s približno

jednakim kretanjem aktivnosti uz razliku u obujmu potražnje i konstrukcije te razlike u

višoj cijeni nekretnina.

67

Dinamički model je također izveden za oba tržišta za razdoblje od 1997.-2014.

godine. Na temelju podataka dobivenih regresijom, izveden je model procjene budućih

događanja koji se bazira na kretanju ekonomskih parametara, stope zaposlenosti,

kamatne stope poduzećima i rastu neto plaće. Model rekurzivno uzima podatke za

ukupan stambeni fond kvadrata na tržištu te pomoću njega izvodi cijenu nekretnina i

količinu novogradnje za buduće razdoblje. Pomoću njega su dobiveni procijenjeni

rezultati za buduće događaje koji su prikazani za idućih 10 godina. Rezultati se

baziraju na pesimističnoj, srednjoj i optimističnoj vrijednosti kretanja ekonomskih

varijabli, referentne vrijednosti su uzete prema državama Europske Unije kojima

Hrvatska nastoji konvergirati. Model prikazuje kako je grad Zagreb, a tako i Hrvatska

trenutno na veoma niskom stupnju aktivnosti te je potreban snažan poticaj kako bi se

izvukla iz takve situacije.

DiPasquale-Wheaton model se pokazao kao odličan alat za jednostavnu

analizu tržišta nekretnina na veliko i malo te stambenog tržišta. Korištenjem lako

dostupnih podataka moguće je grafički prikazati situaciju na tržištu nekretnina te

izvesti osnovne zaključke o budućem kretanju cijene kvadrata nekretnine i količine

novogradnje.

68

7. LITERATURA

1. Achour-Fischer D. (1999) An Integrated Property Market Model: A Pedagogical

Tool. Journal of Real Estate Practice and Education: 1999, Vol. 2, No. 1, pp.

33-43.

2. APN, (2015). Agencija za pravni promet i posredovanje nekretninama,

Općenito o programu POS-a, Preuzeto 19.12.2015. s

http://www.apn.hr/poticana-stanogradnja/pos-stanovi/opcenito-o-programu-

pos-a/

3. Arrazola M., Hevia de J., Romero D., Sanz-Sanz J.F., (2014). Determinants of

the Spanish housing market over three decades and three booms: Long run

supply and demand elasticities, Working Paper Series 3604, Victoria University

of Wellington, Chair in Public Finance.

4. Bežovan, G. (2005.), Procjena standarda stanovanja u Zagrebu kao razvojnog

resursa, Revija za socijalnu politiku, Vol.12 No.1; str. 23-44, Zagreb

5. Botrić, V., Kordej De Villa, Ž. (2005.). Determinants of Regional Housing Market

in Croatia, 45th Congress of the European Regional Science Association.

Amsterdam.

6. Centar Nekretnina, (2009.). Indeks cijena nekretnina za prosinac 2009. Centar

Nekretnina, prosinac 2009.

7. Charles, S. (1977). Housing Economics, The Macmillan Press Ltd, London

8. Čipin, I., Akrap, A., Knego, J., Međimurec, P., Đurđević, K., (2014.). Stručna

podloga za izradu Strategije prostornog razvoja Republike Hrvatske:

Demografski scenariji i migracije, Sveučilište u Zagrebu, Ekonomski fakultet,

Katedra za demografiju, Zagreb, rujan 2014.

9. DiPasquale, D., Wheaton, W. (1992). The markets for Real Estate Assets and

Space: A Conceptual Framework, Journal of the American Real Estate and

Urban Economics Association, 1992, V20, 1: pp. 181-197.

10. DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate

Markets, Prentice Hall, New Jersey.

11. Državni zavod za statistiku (2012.). Cijene prodanih stanova od 1990. do 2010.,

Statistička izvješća, Zagreb: Državni zavod za statistiku.

12. Državni zavod za statistiku (2015.). Građevinarstvo 2008.-2013., Statistička

izvješća, Zagreb: Državni zavod za statistiku.

69

13. Državni zavod za statistiku (2014.). Statistički ljetopisi 2006-2014. Zagreb:

Državni zavod za statistiku.

14. Euro Area Statistics, (2015.). Bank Interest Rates – Loans, December 2015.

Preuzeto 19.12.2015. s: https://www.euro-area-statistics.org/bank-interest-

rates-loans?cr=eur&lg=en

15. EUROSTAT, (2015.). Employment rate of the total population, men and

women, age group 20-64, Luxembourg, Eurostat, November 2015.

16. Filipić, P., (2007). Uvod u makroekonomiju stanovanja, Ekonomski pregled, 58

(7-8), p. 393-420.

17. Grad Zagreb, (2014.). Statistički ljetopisi grada Zagreba 2005.-2014., Gradski

ured za strategijsko planiranje i razvoj grada, Odjel za statistiku

18. Hua, C.C., Chang, C.O., Hsieh, C. (2001). The Price-Volume Relationship

between the Existing and the Pre-Sales Housing Market in Taiwan,

International Real Estate Review, 4 (1): 80-04.

19. HNB, (2014.). Financijska stabilnost, Broj 12, Hrvatska narodna banka, Zagreb

20. HNB, (2015.). Bilteni 1997.-2015., Hrvatska narodna banka Zagreb

21. Kunovac, D., Đozović, E., Lukinić, G., Pufnik, A. (2008). Primjena hedonističke

metode za izračunavanje indeksa cijena nekretnina u Hrvatskoj, Istraživanja (I-

20). Zagreb: Hrvatska narodna banka.

22. Kreitmeyer, I., (2009.). Real Estate Market Study in the Republic of Croatia,

Ministry of Justice, State Geodetic Administration, Zagreb.

23. Jakšić, I., (1982.). Stanogradnja i stanovanje u Zagrebu te njihov doprinost

razvoju grada: doktorska disertacija, Ekonomski fakultet, Zagreb, 1982.

24. Eurostat, (2015.). Distribution of population by tenure status, type of household

and income group (source: SILC). Eurostat, October 2015. Preuzeto

13.11.2015. godine s http://appsso.eurostat.ec.europa.eu/nui/show.do

25. Fujita, M., Krugman, P., Venables, A., (2001), The Spatial Economy: Cities,

Regions, and International Trade, vol. 1, 1 ed., The MIT Press.

26. Leung C., Wang W. (2007). An Examination of the Chinese Housing Market

through the Lens of the DiPasquale-Wheaton Model: a Graphical Attempt.

International Real Estate Review, 2007 Vol. 10 No. 2: pp. 131-165.

27. Lovrinčević Ž., Vizek M., (2008.). Determinante cijena nekretnina u Republici

Hrvatskoj i potencijalni učinci na liberalizacije tržišta nekretnina, Ekonomski

pregled, Vol.59 No.12 Prosinac 2008.

70

28. O’Sullivan, A. (2010). Urban Economics, Boston, McGraw-Hill.

29. Raiffeisenbank Austria. (2012). Tržište stambenih prostora 2022. Preuzeto 20.

Kolovoza 2015. iz

http://www.limun.hr/UserDocsImages/Scenario%202020hrv.pdf

30. Steiner, E. (2010), Estimating a stock-flow model for the Swiss housing market,

Swiss Society of Economics and Statistics, 146, No. 3, pp. 601–627.

31. Šimunović, I. (1997). Urbana ekonomika, Školska knjiga, Zagreb.

32. Tica, J., (2002). Tranzicija hrvatskog stambenog tržišta, Politička kultura,

Zagreb.

33. Tica, J., (2004.). The Macroeconomic Aspects of the Croatian Housing Market,

Ekonomski pregled, Vol.55 No. 7-8 Kolovoz 2004.

34. Tica, J., (2011), Ekonomske posljedice politike sprječavanja pada cijene

stanova, No 1106, EFZG Working Papers Series, Faculty of Economics and

Business, University of Zagreb.

35. Tica, J., Boras, T., (2012), Uloga tržišta nekretnina i građevinske industrije u

strategiji razvoja malog otvorenog gospodarstva, ch. 14, p. 321-352 in, Zbornik

radova znanstvenog skupa: Razvojna strategija malog nacionalnog

gospodarstva u globaliziranom svijetu, vol. 1, Faculty of Economics and

Business, University of Zagreb.

36. Toit du, H., Cloete C.E. (2004). Appraisal of the Fischer-DiPasquale-Wheaton

(FDW) Real Estate Model and Development of an Integrated Property and

Asset Market Model, South African Journal of Economic and Management

Sciences: 2004, Vol. 7, Issue 2, p. 341-367.

37. Vizek, M., (2009.). Priuštivnost stanovanja u Hrvatskoj i odabranim europskim

zemljama, Revija za socijalnu politiku, Vol.16, No.3 Studeni 2009.

38. Wang, Y., Tu, Y., (2014). Urban Land Supply Policy, Urban Growth and

Housing Prices in China, IRES Working Paper Series, Department of Real

Estate, National University of Singapore.

39. Wing Sze, C., (2004.). A Macroeconomic Study of the Major Determinants of

Retail Rents in Hong Kong, The University of Hong Kong, Department of Real

Estate and Construction, April 2004.

40. ZSE, (2015.). Povijesni podaci trgovanja CROBEX indeksa, Zagrebačka burza.

Preuzeto 19.9.2015. s http://zse.hr/default.aspx?id=180.

8. TABLICE

Tablica 1.: Tablica za izradu statičkog i dinamičkog modela tržišta stambenih nekretnina u Hrvatskoj

Et St Pt r i Pi Ut W Ct d godina zaposlenost ukupan fond

kvadrata cijena u tekućoj godini

dugoročna kamatna stopa za poduzeća

dugoročna kamatna stopa za kućanstva

inflacija trošak kapitala nekretnine

prosječna plaća

količina novogradnje

deprecijacija

1993 ..... ..... 4.012 kn ..... ..... ..... ..... ..... ..... .....

1994 ..... ..... 5.773 kn ..... ..... -0,021 ..... ..... ..... .....

1995 ..... ..... 6.581 kn ..... ..... 0,032 ..... ..... ..... .....

1996 ..... ..... 7.041 kn 0,1305 ..... 0,042 ..... ..... 1.063.000 .....

1997 1.262.113 124.875.582 7.272 kn 0,1362 0,1154 0,050 -0,0993 2.377 kn 1.046.000 0,0084

1998 1.271.701 125.701.068 7.520 kn 0,13 0,1157 0,041 0,0093 2.681 kn 1.057.000 0,0084

1999 1.263.509 126.530.579 9.004 kn 0,1099 0,1121 0,037 0,0342 3.055 kn 1.061.000 0,0084

2000 1.257.761 127.560.291 8.688 kn 0,1046 0,1162 0,048 -0,0473 3.326 kn 1.397.000 0,0110

2001 1.272.536 128.905.454 8.306 kn 0,0821 0,1116 0,032 0,0311 3.541 kn 1.098.000 0,0085

2002 1.288.844 129.960.183 8.366 kn 0,067 0,097 0,014 0,0760 3.720 kn 1.439.000 0,0111

2003 1.329.646 131.350.047 8.569 kn 0,0631 0,087 0,021 0,0826 3.940 kn 1.529.000 0,0116

2004 1.355.183 132.818.897 10.195 kn 0,0601 0,0813 0,020 0,0558 4.173 kn 1.567.929 0,0118

2005 1.371.540 134.352.737 10.475 kn 0,0538 0,0737 0,039 -0,0689 4.376 kn 1.701.000 0,0127

2006 1.423.011 136.011.161 10.872 kn 0,058 0,066 0,018 -0,0275 4.603 kn 1.849.000 0,0136

2007 1.476.018 137.780.077 12.422 kn 0,0615 0,0649 0,062 -0,0622 4.841 kn 2.075.000 0,0151

2008 1.516.761 139.802.027 13.399 kn 0,0687 0,0776 0,034 -0,0445 5.178 kn 2.037.000 0,0146

2009 1.463.489 141.800.837 12.174 kn 0,0717 0,086 0,011 -0,0147 5.311 kn 1.563.000 0,0110

2010 1.400.115 143.319.801 11.727 kn 0,0724 0,0862 0,019 0,0608 5.343 kn 1.324.000 0,0092

2011 1.380.294 144.607.233 11.811 kn 0,067 0,0778 0,012 0,0959 5.441 kn 1.120.000 0,0077

2012 1.366.348 145.683.887 11.774 kn 0,0651 0,0776 0,052 0,0513 5.478 kn 1.017.000 0,0070

2013 1.338.904 146.663.565 10.662 kn 0,063 0,0715 0,001 0,0773 5.515 kn 902.911 0,0062

2014 1.319.418 147.548.616 11.161 kn 0,0585 0,0698 -0,009 0,1255 5.533 kn 739.292 0,0050

72

Tablica 2.: Tablica za izradu statičkog i dinamičkog modela tržišta stambenih nekretnina u Zagrebu

Et St Pt r i Pi Ut W Ct d godina zaposlenost ukupan

fond kvadrata

cijena u tekućoj godini

dugoročna kamatna stopa za poduzeća

dugoročna kamatna stopa za kućanstva

inflacija trošak kapitala nekretnine

prosječna plaća

količina novogradnje

deprecijacija

1993 ..... ..... 4.999 kn ..... ..... ..... ..... ..... ..... .....

1994 ..... ..... 6.541 kn ..... ..... -0,021 ..... ..... ..... .....

1995 ..... ..... 7.405 kn ..... ..... 0,032 ..... ..... ..... .....

1996 ..... ..... 7.630 kn 0,1305 ..... 0,042 ..... ..... ..... .....

1997 334.468 19.539.712 8.134 kn 0,1362 0,1154 0,050 -0,0511 2.749 kn 142.118 0,0073

1998 335.885 19.681.830 9.093 kn 0,13 0,1157 0,041 0,0061 3.053 kn 162.201 0,0082

1999 330.230 19.844.031 9.936 kn 0,1099 0,1121 0,037 -0,0097 3.510 kn 165.798 0,0084

2000 328.911 20.009.829 9.489 kn 0,1046 0,1162 0,048 -0,0267 3.832 kn 305.849 0,0153

2001 330.022 20.315.678 9.317 kn 0,0821 0,1116 0,032 0,0507 4.131 kn 173.034 0,0085

2002 333.362 20.580.185 9.296 kn 0,067 0,097 0,014 0,0870 4.374 kn 264.507 0,0129

2003 348.957 20.958.742 10.241 kn 0,0631 0,087 0,021 0,0816 4.680 kn 378.557 0,0181

2004 369.569 21.172.000 10.850 kn 0,0601 0,0813 0,020 0,0148 4.929 kn 320.442 0,0151

2005 371.525 21.544.000 11.185 kn 0,0538 0,0737 0,039 -0,0251 5.239 kn 378.137 0,0176

2006 388.581 22.024.000 12.406 kn 0,058 0,066 0,018 -0,0056 5.516 kn 496.705 0,0226

2007 406.711 22.647.000 14.039 kn 0,0615 0,0649 0,062 -0,0728 5.806 kn 639.274 0,0282

2008 421.585 23.298.000 14.770 kn 0,0687 0,0776 0,034 -0,0611 6.145 kn 656.919 0,0282

2009 424.263 23.662.000 14.529 kn 0,0717 0,086 0,011 -0,0124 6.229 kn 369.361 0,0156

2010 408.864 23.961.000 12.798 kn 0,0724 0,0862 0,019 0,0334 6.291 kn 302.757 0,0126

2011 397.365 24.138.008 12.370 kn 0,067 0,0778 0,012 0,1199 6.395 kn 177.008 0,0073

2012 398.890 24.315.744 12.524 kn 0,0651 0,0776 0,052 0,0813 6.385 kn 177.736 0,0073

2013 390.469 24.404.754 11.008 kn 0,063 0,0715 0,001 0,0981 6.442 kn 89.010 0,0036

2014 383.967 24.508.175 11.958 kn 0,0585 0,0698 -0,009 0,1423 6.465 kn 50.452 0,0021

9. POPIS GRAFIKONA

I. DiPasquale-Wheaton model 4 kvadranta 10

II. DiPasquale-Wheaton model: promjena na tržištu nekretnina 14

III. DiPasquale-Wheaton model: Promjena na tržištu imovine 15

IV. DiPasquale-Wheaton model: Promjena ponude novogradnje 16

V. Razlika stambenog fonda između statistički evidentirane i stvarne razine

20

VI. Procjena stvarne godišnje novogradnje u odnosu na statistički evidentiranu

21

VII. DiPasquale-Wheaton modela na primjeru POS stanova 23

VIII. Nepovezanost cijene POS stanova i stanova u slobodnoj prodaji 24

IX. Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova bez POS stanova, polugodišnji rezultati

25

X. Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova s POS stanovima, polugodišnji rezultati

25

XI. Polugodišnje kretanje HICN i indeksa novoizgrađenih stanova s i bez POS stanova

26

XII. Kvartalno kretanje HICN i CROBEX indeksa od 1997.-2014. 26

XIII. Kretanje kvartalne stope promjene stambenih kredita i kvartalne stope promjene HICN

27

XIV. Prosječno vrijeme otplate novoizgrađenog stana 28

XV. Kretanje verižnih indeksa troška rada i materijala u sektoru Građevinarstvo

29

XVI. Kretanje obujma novogradnje nekretnina u trgovini na veliko i malo i BDV trgovine na veliko i malo

30

XVII. DiPasquale-Wheaton model, usporedba stambenog tržišta Zagreba i Hrvatske, dugoročna ravnoteža za razdoblje 1997.-2014.

39

XVIII. Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Hrvatskoj, u odnosu na vrijednost troška kapitala određen modelom

41

XIX. Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom

42

XX. Kretanje ukupnog stambenog fonda Hrvatske i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Hrvatskoj

43

74

XXI. DiPasquale-Wheaton model baziran na hrvatskom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina

46

XXII. Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Zagrebu, u odnosu na vrijednost troška kapitala određen modelom

48

XXIII. Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom

49

XXIV. Kretanje ukupnog stambenog fonda Zagreba i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Zagrebu

50

XXV. DiPasquale-Wheaton model baziran na zagrebačkom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina

53

XXVI. Kretanje stvarne cijene kvadrata stambenih nekretnina u Hrvatskoj, u odnosu na modeliranu vrijednost

55

XXVII. Kretanje stvarne količine novogradnje stambenih nekretnina u odnosu na modeliranu vrijednost

56

XXVIII. Procjena količine novogradnje stambenih nekretnina u Hrvatskoj prema dinamičkom modelu

57

XXIX. Procjena cijene kvadrata nekretnine u Hrvatskoj prema dinamičkom modelu

58

XXX. Buduća količina novogradnje i realne neto plaće temeljena na procijenjenoj vrijednosti ekonomskih varijabli u Hrvatskoj, srednji scenarij

59

XXXI. Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na procijenjenoj vrijednosti ekonomskih varijabli, srednji scenarij

59

XXXII. Buduća količina novogradnje i realne neto plaće temeljena na slučajnom kretanju ukupne zaposlenosti u Hrvatskoj, srednji scenarij

60

XXXIII. Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na slučajnoj varijabli, srednji scenarij

60

XXXIV. Kretanje stvarne cijene kvadrata stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost

62

XXXV. Kretanje stvarne količine novogradnje stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost

63

XXXVI. Procjena količine novogradnje stambenih nekretnina u Zagrebu prema dinamičkom modelu

55

XXXVII. Procjena cijene kvadrata nekretnine u Zagrebu prema dinamičkom modelu

65

75

10. ŽIVOTOPIS KANDIDATA

Filip Dumbović rođen je 15. listopada 1990. u Zagrebu. Osnovnu školu završio je

2005. godine u Velikoj Gorici, a 2009. godine maturirao je u V. gimnaziji, u Zagrebu.

Po završetku srednjoškolskog obrazovanja, iste godine, upisuje Ekonomski fakultet u

Zagrebu, smjer Poslovna ekonomija. Iduće, 2010. godine, upisuje Arhitektonski

fakultet u Zagrebu, smjer Arhitektura i Urbanizam. Završetkom preddiplomskog studija

Poslovne ekonomije u rujnu 2013., upisuje diplomski studij na istom fakultetu, smjer

Trgovina. Završetkom preddiplomskog studija Arhitekture i Urbanizma u rujnu 2014.

godine, upisuje diplomski studij na istom fakultetu. U srednjoj školi se počinje baviti

odbojkom te od 2014. godine nastupa u 1. Hrvatskoj odbojkaškoj ligi za klub OK Gorica

čiji je ujedno i tajnik. Izvrsno se služi engleskim jezikom, uz osnovno poznavanje

njemačkog jezika. Koristi se računalnim alatima, poglavito arhitektonskim. Tijekom

studiranja sudjeluje na Case Study Competitionu u dva navrata gdje osvaja 3. i 1.

nagradu zajedno s ostalim članovima svoga tima.