Asuntosijoittaminen nollakorkoympäristössä : Tarkastelussa Suomen asuntomarkkinat vuosina 2010-2021
Bibliographic record
Abstract
Tutkielmassa tarkastellaan Suomen asuntomarkkinoiden kehitystä alueellisen arvonnousun ja vuokratuoton kautta vuosina 2010—2021. Tutkielman keskeinen tavoite on selvittää, mistä kaupungista sijoitusasuntoja kannatti Suomessa hankkia, kun tavoite on optimaalinen tuoton ja riskin suhde asuntosijoitusportfoliossa. Tarkasteltu ajanjakso oli poikkeuksellinen, sillä sitä sävytti vuonna 2008 alkaneen finanssikriisin jälkeinen taantuma ja sen seuraukset maailmantaloudessa. Elvyttämistoimena euroalueen ohjauskorot laskettiin lopulta niin alas kuin käytännössä on mahdollista. Päätös oli historiallinen ja se kesti useita vuosia. Suotuisa korkotaso teki lainarahalla ostamisesta järkevää ja siten mahdollisti asuntosijoittamisen aikaisempaa laajemmalle ryhmälle. Kotimaisia asuntomarkkinoita muovasi tarkastelujaksolla lisäksi kaupungistumisen jatkuminen, vuokra-asumisen kysynnän kasvu sekä yksiörakentamisen yleistyminen. \n \nTutkielman teoreettinen viitekehys nojautuu moderniin portfolioteoriaan, jossa keskeinen idea on pienentää sijoitussalkkuun sisältyvää riskiä hajauttamalla varallisuus erilaisiin sijoituskohteisiin. Teorian mukaan salkkuun pyritään valitsemaan kohteita, joiden tuotot korreloivat keskenään mahdollisimman vähän ja siten tasaavat toistensa kurssivaihteluita. Käytetty tutkimusmenetelmä on empiirinen. Tavoitteena on ratkaista tehokas rintama sekä selvittää kullekin tarkastellulle markkinapaikalle optimaaliset painot asuntosijoitusportfoliossa. Aineistona käytetään neljännesvuosittaisia havaintoja kahdeksasta Suomen kaupungista. Tarkasteltuja muuttujia ovat asuntojen neliöhinta, neliövuokra sekä kustannukset, jotka tutkielmassa on huomioitu asunnonomistajan maksamina hoitovastikkeina. \n \nTulokset osoittavat, että tutkittu ajanjakso on ollut kiinteistösijoittamisen kannalta hyvin suotuisa. Sharpen luvulla optimoidulla tehokkaalla rintamalla on saatu yli 7 % tuottoa. Yhdessä poikkeuksellisen alhaisen korkotason kanssa tämä tarkoittaa, että optimaalisesti varansa kohdistanut asuntosijoittaja on voinut ansaita verrattain korkeaa nettotuottoa. Tutkielmassa lasketussa optimaalisessa portfoliossa sijoitusten tulisi pääasiassa suuntautua Tilastokeskuksen määritelmän mukaisille Helsingin 2 ja 3 alueille. Lisäksi asuntosijoituksia tulisi hankkia Tampereelta ja Kuopiosta. \n \nOn huomioitava, että tutkielmassa tarkastellun ajanjakson talous- ja korkotilanne oli poikkeuksellinen. Asuntosijoittajan kustannukset ovat elinkustannusten voimakkaan nousun, ja sen myötä toteutettujen koronnostojen takia nousseet merkittävästi tutkimusjakson jälkeisinä vuosina. Tuleva kehitys on edelleen epävarmaa, joten saatuja tuloksia tulee soveltaa käytännön sijoittamiseen harkiten.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.003 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.104 | 0.137 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".