Estimating the Impact of the Interest Rate on the Swedish Real Estate Market
Notice bibliographique
Résumé
During a large part of the 2010s Swedish economy was heavily influenced by abnormally low interest rates, which even reached negative territory during several years. This occurrence affected the real estate industry by enabling cheap financing options, thus leading to an expansion in the companies’ debt level. When the interest rates began rising sharply in 2022 the question arose whether real estate firms would be able to uphold a healthy profitability level, or if the returns would be diminished due to the higher cost of debt. This thesis aims to investigate the impact of the interest rate on Swedish real estate companies’ profitability measured by return on equity. Nineteen Swedish real estate companies were analyzed over the period Q1 2015 – Q1 2024 by conducting a quantitative analysis through an Autoregressive Distributed Lag (ARDL) model and a panel data regression model, both of which accounts for short-term and long-term dynamics of the interest rate’s impact over time. The analysis was also divided into two distinct time frames, one with negative interest rates (Q1 2015 – Q1 2022), and one with quickly rising interest rates (Q2 2022 – Q1 2024), in order to be able to compare the impact of the interest rate on the profitability level during different macroeconomic conditions. The capture of time-dependencies was enabled by using both a one quarter lag and a four quarter lag on both the dependent variable and the independent variables. The findings suggest that over all analyzed time frames the level of return on equity is significantly negatively affected by the policy interest rate; however, the interest rate shows a significant lag of influence, indicating that the interest rate level from both one quarter and four quarters ago has an impact on the current level of return on equity. Also, the prior level of profitability significantly correlates with the current return of equity among real estate companies, in both the short term and the long term, which indicates the presence of a momentum effect. The relationship is positive during all time frames and for all lags, except during the Q2 2022 – Q1 2024 time span utilizing one quarter’s lag, where the connection is negative.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».