Données immobilières
Prévisions immobilières : revue de la littérature et apport des annonces
“There are two kinds of forecasters: those who don’t know, and those who don’t know they don’t know.” John Kenneth Galbraith
Prévoir l’évolution des marchés immobiliers est un exercice complexe, surtout en temps de crise, et pourtant indispensable pour de nombreux acteurs du secteur. Le SARS-CoV2 nous a embarqué dans un environnement particulièrement incertain, d’un point de vue sanitaire bien sûr, mais également économique. On a pu lire de nombreux articles depuis quelques mois sur les effets que pourrait avoir cette crise sur le secteur immobilier. Les prévisions économiques ne sont évidemment jamais certaines, en particulier en période d’instabilité, et il est indispensable de les fournir avec humilité et de les exploiter avec prudence.
Les prévisionnistes sont en constante recherche de nouvelles informations. Yanport dispose de l’une des plus importantes base de données immobilières en France et nous nous sommes interrogés sur la pertinence des données d’annonces pour anticiper les fluctuations du marché immobilier.
Avant de produire notre première analyse sur le sujet, nous avons étudié la littérature dont je propose quelques éléments ici et que l’on peut résumer en deux questions : I) Que nous dit la littérature académique sur les prévisions des prix immobiliers ? et II) Les chiffres des transactions effectives étant publiés avec un retard de plusieurs mois, les données d’annonces peuvent-elles nous donner des indications ?
Ghysels, Plazzi, Valkanov et Torous (2013) proposent une revue de la littérature sur les prévisions des prix immobiliers en se focalisant sur les Etats-Unis. L’un des éléments clés de l’analyse du marché immobilier souligné par les auteurs est l’importance d’avoir un indice de prix fiable pour permettre à la recherche empirique de progresser. Anenberg et Laufer (2017) montrent que les données d’annonces peuvent pallier les limites des indices classiques, notamment leurs fortes autocorrélations de court-terme ou encore leur faible lien avec les indices boursiers et les nouvelles macroéconomiques. Ce résultat est fondamental, car il montre que les données d’annonces sont utiles pour améliorer la qualité de la variable d’intérêt et donc la qualité des prévisions.
Ghysels et al. (2013) soulignent également la difficulté de prévoir les prix immobiliers. Ils illustrent ce point notamment avec les discussions au FOMC (Federal Open Market Committee) en 2006 prévoyant “un ralentissement en douceur ou une période de stabilisation après plusieurs années de forte appréciation des prix”. Prévision que l’on sait fausse puisque le marché immobilier américain était en pleine bulle à ce moment là et a connu un retournement majeur par la suite. Shiller (2007), en se basant sur ses travaux avec Karl Case dans les années 80 (notamment Case et Shiller 1989), propose une étude historique des points de retournement du marché immobilier. L’analyse du boom des années 1880 en Californie est particulièrement intéressante du point de vue des annonces. L’auteur montre en effet que, malgré l’absence d’indice de prix à cette époque, on peut mesurer l’euphorie du boom et l’inquiétude qui suivi à l’aide du nombre d’annonces dans les journaux, mais également à l’aide du vocabulaire tantôt excessivement positif, tantôt neutre quant aux possibilités de rendement d’un investissement immobilier.
Plus récemment, Loberto, Luciani et Pangallo (2020) exploitent les données d’annonces afin d’améliorer l’analyse du marché immobilier. Les auteurs utilisent les données de l’un des principaux sites d’annonce italiens en fréquence hebdomadaire pour les principales villes du pays et analysent l’information pouvant en être extraite pour le suivi du marché immobilier. Après un traitement des doublons, prérequis fondamental pour les annonces , les auteurs comparent le nombre de biens dont l’annonce est retirée au nombre de biens effectivement vendus dans les bases officielles. Ils étudient ensuite les informations de demande, d’offre et de prix pouvant être tirées des annonces. Les facteurs de demande et d’offre proviennent essentiellement respectivement du nombre de visites de la page d’un bien et du nombre d’annonces pour un type de bien. L’information contenue dans les prix demandés concernant les prix de vente à venir est le dernier point d’analyse de l’étude. Cette partie est toutefois essentiellement descriptive, les auteurs montrant simplement un comouvement. Anenberg et Laufer (2017) vont un peu plus loin sur cet aspect, pour le cas des États-Unis, et montrent qu’un indice de prix construit à partir des annonces permet d’anticiper les fluctuations des prix de vente. En effet, non seulement les indices basés sur les annonces permettent d’analyser l’état actuel (nowcasting) des indices construits à l’aide des transactions effectives avant leur publication, mais ils permettent également d’en anticiper les mouvements plusieurs mois à l’avance.
Bibliographie
Anenberg Elliot & Laufer Steven, 2017. “A More Timely House Price Index,” The Review of Economics and Statistics, MIT Press, vol. 99(4), pages 722–734, July.
https://ideas.repec.org/a/tpr/restat/v99y2017i4p722-734.html
Case, Karl E & Shiller, Robert J, 1989. “The Efficiency of the Market for Single-Family Homes,” American Economic Review, American Economic Association, vol. 79(1), pages 125–137, March.
https://ideas.repec.org/a/aea/aecrev/v79y1989i1p125-37.html
Ghysels, Eric & Plazzi, Alberto & Valkanov, Rossen & Torous, Walter, 2013. “Forecasting Real Estate Prices,” Handbook of Economic Forecasting, in: G. Elliott & C. Granger & A. Timmermann (ed.),, edition 1, volume 2, chapter 9, pages 509–580, Elsevier.
https://ideas.repec.org/h/eee/ecofch/2-509.html
Loberto Michele & Luciani Andrea & Pangallo Marco, 2020. “What do online listings tell us about the housing market?,” Papers 2004.02706, arXiv.org.
https://ideas.repec.org/p/arx/papers/2004.02706.html
Shiller Robert J., 2007. “Historic Turning Points in Real Estate,” Cowles Foundation Discussion Papers 1610, Cowles Foundation for Research in Economics, Yale University.
