Qualitätsstandards ökonometrischer Eingleichungsmodelle zur mittelfristigen Prognose von Büroimmobilienmärkten
Die geringe Transparenz ist eine wesentliche und länderübergreifende Besonderheit der speziellen Immobilienmärkte. Allerdings gibt es hinsichtlich des Qualitätsniveaus der zur Verfügung gestellten Immobilienmarktdaten zwischen den einzelnen Ländern erhebliche Unterschiede. So gelten die Märkte des UK oder der USA transparenter als z. B. der deutsche Immobilienmarkt. Mit Blick auf die erhobenen und veröffentlichten nationalen Büromarktkennzahlen ist zu erkennen, dass zwar zu einigen Teilmärkten Daten vorliegen, allerdings die Nachvollziehbarkeit zur Datenerhebung, zur Methodik oder zur Qualität kaum gewährleistet wird. Um die Transparenz nationaler Büroimmobilienmärkte dahingehend zu verbessern, fordern einige Immobilienökonomen nachvollziehbarere Datenerhebungen und Prognosen. In Anbetracht unzureichend transparenter Prognosen zielt die vorliegende Dissertation darauf ab, Licht ins Dunkel der immobilienbezogenen Prognostik zu bringen. Als Ergebnis wurde ein Regelwerk zur nachvollziehbaren Prognose von Büroimmobilien auf Teilmarktebene geschaffen. Dafür wurde ein sog. „anzuwendendes ökonometrisches Modell“ entwickelt, welches im Rahmen quantitativer Methoden universell zur Nachbildung und Vorhersage von Büromarktkennzahlen, wie z. B. der Durchschnittsmiete oder dem Büroflächenbestand, dient. Daneben fand eine Validierung des Modells anhand einer Fallstudie zum Büromarkt in Berlin statt. Tangiert wird das erarbeitete Modell durch die Akkumulation der für quantitative Prognosen relevanten und veröffentlichten Variablen. Zur deren Überprüfung wurde ebenfalls eine Validierung durchgeführt. Daraus gingen insgesamt 17 Einflussfaktoren hervor, die mit hoher Wahrscheinlichkeit zur Nachbildung und Vorhersage von Büromarktkennzahlen geeignet sind. Überdies liefert die Analyse weitere Erkenntnisse zu Büroimmobilienmärkten, wie z. B. die Inkonsistenz gleicher Kennzahlen aus den vorliegenden Büromarktberichten und Datenbanken, eine Nennung kaum erhobener Büromarktbenchmarks oder auch ein teilmarktbezogenes Sammelwerk mit Erläuterung der zur Verfügung stehenden Kennzahlen. Anhand des im Rahmen dieser Dissertation entwickelten Modells und der identifizierten Variablen können zukünftig quantitative Prognosen zu Büroimmobilienteilmärkten nachvollziehbar durchgeführt werden. Gemeinsam mit den weiteren Erkenntnissen liefert die vorliegende Dissertation einen positiven Beitrag zur Transparenzsteigerung der hiesigen Büroimmobilienmärkte.
The low level of transparency is a significant and cross-border peculiarity of real estate markets. However, there are substantial differences in the quality of the provided real estate market data among different countries. Markets in the UK or the USA are considered more transparent than, for example, the German real estate market. Regarding the collected and published national office market data, it can be observed that while there is data available for some submarkets, the transparency in data collection, methodology, or quality is hardly ensured. In order to enhance the transparency of national office real estate markets, some economists are calling for more transparent data collection and forecasts. Considering inadequately transparent forecasts, the dissertation aims to shed light on real estate-related forecasting. As a result, a framework for transparent forecasting of office real estates at the submarket level was developed. An "applicable econometric model" was developed for this purpose, which is used universally within the framework of quantitative methods to simulate and forecast key office market idicators, such as the average rent or the office space stock. Additionally, the model was validated through a case study on the office market in Berlin. The developed model is influenced by the accumulation of relevant and published variables for quantitative forecasts. A validation was also conducted to verify these variables, leading to the identification of a total of 17 influential factors that are highly suitable for replicating and predicting office market indicators. Moreover, the analysis provides further insights into office real estate markets, including the inconsistency of the same indicators in existing office market reports and databases, the mention of rarely collected office market benchmarks, and a submarket-specific compilation of available indicators with explanations. With the model developed within this dissertation and the identified variables, future quantitative forecasts for office real estate submarkets can be conducted transparently. Together with the additional insights, this dissertation makes a positive contribution to increasing transparency in the local office real estate markets.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved