Content

Harald Nitsch, 3.4 Fallstudie: Immobilieninvestition in Baden-Württemberg in:

Hans-Hermann Francke, Heinz Rehkugler (Ed.)

Immobilienmärkte und Immobilienbewertung, page 135 - 143

2. Edition 2011, ISBN print: 978-3-8006-3808-6, ISBN online: 978-3-8006-4342-4, https://doi.org/10.15358/9783800643424_135

Bibliographic information
Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 116 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 117 3.4 Fallstudie: Immobilieninvestition in  Baden Württemberg 117 Gleichung (11) zeigt, dass sich das marginale q als das Produkt zweier Faktoren darstellen lässt: Es besteht aus dem durchschnittlichen q multipliziert mit dem Verhältnis der Neubaumieten und der Bestandsmieten. Letzteren Faktor bezeichnen wir im Folgenden kurz als Hayashi-Faktor, weil er das von Hayashi beschriebene Auseinanderfallen von marginalem und durchschnittlichem q beschreibt. Gleichung (11) lässt sich auf eine zweite anschauliche Weise herleiten, wenn man auf die Definition von Tobins q als Renditeverhältnis zurückgreift. Wir setzen die Grenzleistungsfähigkeit des (zusätzlichen) Immobilienkapitals ins Verhältnis zur verlangten Mindestrendite SPC. Während wir letztere mit Gleichung (10) bereits für unser Problem definiert haben, bleibt die Rendite der zusätzlichen Immobilie, des Neubaus, zu bestimmen. Diese ergibt sich aber wiederum aus der Formel der unendlichen Rente, indem nunmehr die Erstbezugsmiete auf die Reproduktionskosten (Baupreisindex) bezogen wird. (12) Erstbezugsmiete R Baupreisindex = Teilt man (9) durch (7), so erhält man q aus dem Renditevergleich, also (13) m Erstbezugsmiete BestandspreisR q x SPC Baupreisindex Bestandsmiete = = Durch Sortieren der beiden Brüche auf der rechten Seite von (13) resultiert wiederum (8). Wir sind damit in der Lage, direkt das marginale qm und die Differenz zum durchschnittlichen qa zu beobachten. 3.4 Fallstudie: Immobilieninvestition in  Baden-Württemberg 3.4.1 Eine Immobilieninvestitionsfunktion für  Baden-Württemberg Die praktische Bedeutung des Konzeptes soll nun im Rahmen einer Fallstudie untersucht werden. Wir betrachten hierbei die erheblichen Preissschwankungen, die im Zuge der deutschen Wiedervereinigung im deutschen Immobilienmarkt zu verzeichnen waren, und verfolgen den Zusammenhang zu den Immobilieninvestitionen. Konkret beschränken wir uns hierbei exemplarisch auf die Entwicklung in Baden-Württemberg und betrachten eine Periode, die etwa 5 Jahre vor der deutschen Wiedervereinigung beginnt und die ersten zehn Jahre des wiedervereinigten Deutschland umfasst. Zur Schätzung einer Investitionsfunktion sind sowohl die erklärte (abhängige) Variable als auch die erklärenden (unabhängigen) Variablen zu wählen. Ziel Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 118 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 119 3 Tobins q: Vom Analyserahmen zum praktischen Tool118 der Schätzung ist die Erklärung der Investitionstätigkeit, doch angesichts des zeitaufwendigen Herstellungsprozesses von Immobilien ist ein Punkt in der Spanne zwischen der (für statistische Zwecke zeitlich wohl schwer bestimmbaren) Investitionsentscheidung und der Baufertigstellung zu wählen. Wir setzen an den Baugenehmigungen an, da sie zum einen gut statistisch erfasst sind, andererseits aber relativ nahe am Anfang des Investitionsprozesses stehen. Nachdem Baugenehmigungen für Eigentumswohnungen nicht vorlagen, wurde allgemein die Zahl der Baugenehmigungen im Wohnungsbau herangezogen. Gemessen wird das umbaute Volumen, da die alternativ verfügbare Zahl der Baugenehmigungen in kleineren Regionen bzw. Städten Verzerrungen aufgrund der Ganzzahligkeit der Baugenehmigungen nach sich zöge. Für die erklärende Variable, den q-Wert, besteht das Problem darin, einen für das Bundesland repräsentativen Wert zu konstruieren. Die hier errechneten q-Werte beruhen auf Immobilienpreisen, die vom IVD für einzelne Städte, also bestimmte Punkte in der Fläche bestimmt werden. Die Immobilieninvestition umfasst dagegen das gesamte Bundesland. Wir bilden daher ein repräsentatives Immobilienportfolio, das möglichst gut die durchschnittliche Marktlage in Baden-Württemberg abbilden soll. Die Mischung sollte Städte unterschiedlicher Größe umfassen und den unterschiedlichen Branchenschwerpunkten des Bundeslandes Rechnung tragen. In das Portfolio gehen daher die Städte Stuttgart, Karlsruhe, Heidelberg, Mannheim und Freiburg ein. Wir werten für die betreffenden Städte die Quadratmeterpreise von Bestandsobjekten als Basis des durchschnittlichen q und die Bestands- bzw. Neubaumieten für die Korrektur zum marginalen q aus. Die Gegenüberstellung der Zeitreihen zeigt ein gemeinsames Muster, das ausgehend von relativ niedrigem Niveau Anfang der 80er Jahre zu einem Gipfel um 1993 führt, gefolgt von einer leichten Stagnation. Erkennbar ist ebenfalls, dass dieses Grundmuster sowohl die Preis- als auch die Mietentwicklung beschreibt. Erklärbar ist dies durch eine Erwartungsbildung hinsichtlich der nachhaltig erzielbaren Mieten, die sich am aktuellen Mietniveau orientiert. Sofern diese Interpretation zutrifft, spricht dies für den Einsatz vereinfachter Formeln einer konstanten unendlichen Rente in (2) und (3). Bei genauerer Betrachtung zeigen sich zwischen den Städten Unterschiede in Stärke und zeitlichem Ablauf des Grundmusters. Die genannten Städte weisen allerdings bereits bedingt durch ihre Größe eine vermutlich sehr unterschiedliche Bedeutung für die Investitionstätigkeit des Umlandes auf, weshalb eine Gewichtung eingeführt wird. Zum Einsatz kommt das durchschnittliche Realsteueraufkommen der Gemeinden, das hier als Indikator der unterschiedlichen ökonomischen Leistungsfähigkeit aufgefasst wird. Wir beginnen zunächst mit der Untersuchung des durchschnittlichen q-Wertes. Wie hoch ist sein Erklärungsgehalt? Ist der Einfluss statistisch gesichert? Lässt sich – im Widerspruch zu Tobins Ansatz – die Schätzgleichung durch zusätzliche erklärende Variable verbessern? Abbildung  46 zeigt in komprimierter Form die wichtigsten Ergebnisse der Schätzungen. Den ausführlichen Regressionsoutput und die Bedeutung der Statistiken erläutert Box 2. Erfreulich ist der Erklärungsgehalt von immerhin 61 % und die t-Statistik von 5,06 für das durchschnittliche q. Bedenklich ist V ah len – A llg.R eihe – Francke/R eh kugler – Im m obilien m ärkte u nd Im m obilienbew ertu ng H erstellu ng: Frau D eu ringer 13.09.2011 Im prim atu r Seite 118 V ah len – A llg.R eihe – Francke/R eh kugler – Im m obilien m ärkte u nd Im m obilienbew ertu ng H erstellu ng: Frau D eu ringer 13.09.2011 Im prim atu r Seite 119 3.4 Fallstu d ie: Im m o b ilien in vestitio n in   B ad en W ü rttem b erg 119 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 84 86 88 90 92 94 96 98 00 Miete Bestandspreis Freiburg -2 -1 0 1 2 84 86 88 90 92 94 96 98 00 Miete Bestandspreis Stuttgart -2 -1 0 1 2 84 86 88 90 92 94 96 98 00 Miete Bestandspreis Heidelberg -2 -1 0 1 2 84 86 88 90 92 94 96 98 00 Miete Bestandspreis Karlsruhe -2 -1 0 1 2 84 86 88 90 92 94 96 98 00 Miete Bestandspreis Mannheim Abbildung 44: Immobilienpreise und Mieten, fünf ausgewählte Städte Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 120 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 121 3 Tobins q: Vom Analyserahmen zum praktischen Tool120 dagegen die DW-Statistik, die auf systematische Muster in den unerklärten Resten der Immobilieninvestition weist. Dies ist doppelt unerfreulich: Zum einen kann man der t-Statistik nicht trauen, zum anderen könnte die Ursache für die systematischen Muster in fehlenden erklärenden Variablen liegen. Box 2: Regressionsoutput verstehen Eine Regressionsgleichung versucht, durch geeignete Wahl von Koeffizienten, eine „abhängige Variable“ durch eine oder mehrere „unabhängige Variablen“ zu erklären. Dependent Variable: LOG(V_BAWU) Method: Least Squares Sample(adjusted): 1984 2001 Included observations: 18 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 8.297465 0.849010 9.773103 0.0000 LQW_BAWU 1.263500 0.249830 5.057445 0.0001 12.58749Mean dependent var 0.615719R-squared Adjusted R-squared 0.591127 S.D. dependent var 0.236777 S.E. of regression 0.151403 Akaike info criterion -0.833310 Sum squared resid 0.366764 Schwarz criterion -0.734380 25.57775F-statistic 9.499791Log likelihood Durbin-Watson stat 1.076612 Prob(F-statistic) 0.000117 A B C D Freiburg 9% Heidelberg 7% Karlsruhe 18% Stuttgart 47% Mannheim 19% Abbildung 45: Gewichtung nach Realsteueraufkommen Schätzung Konstante qa Auslastungs grad R2 DW 1 8,30 (9,77) 1,26 (5,06) – 0,61 1,07 2 8,27 (10,33) 1,27 (5,38) 2,34 (1,72) 0,67 1,41 t Werte in Klammern Abbildung 46 : Schätzungen zur Erklärung der Immobilieninvestition Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 120 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 121 3.4 Fallstudie: Immobilieninvestition in  Baden Württemberg 121 A: hier ist die abhängige Variable genannt, welche durch die Schätzung erklärt werden soll, LOG(V_BAWU) steht für den Logarithmus der Baugenehmigungen, darunter ist der Untersuchungsbereich 1984–2001 zu finden. B: Diese Zeile beschreibt den Einfluss von Tobins q (Variable LQW_BAWU). Die darüberliegende Zeile erinnert daran, dass neben Tobins q eine Konstante C in der Gleichung vorhanden ist, was aus statistischen Gründen anzuraten ist. Die erste Spalte „Coefficient“ zeigt den Koeffizienten 1,2635 von Tobins q an. Die „t- Statistic“ wiederum zeigt, ob man diesem Wert trauen kann. Sobald der t-Wert dem Betrage nach größer als etwa 2 ist (hängt präzise von dem Modell und der Zahl der Datenpunkte ab), ist der Einfluss statistisch signifikant, d. h. der Erklärungsbeitrag kann als relativ gesichert gelten. C: Die R2-Statistik liegt zwischen 0 (schlecht) und 1 (gut). Sie beschreibt den Anteil der Schwankungen in den Baugenehmigungen, die sich durch die Gleichung erklären lassen, hier 61,5 %. Adjusted R2 berücksichtigt zusätzlich, mit wie vielen unabhängigen Variablen dieses Ergebnis erzielt wurde, und ist daher für den Vergleich unterschiedlich aufwendiger Gleichungen hilfreich. D: Bei einer guten Schätzung wird die systematische Schwankung der Baugenehmigungen durch die Gleichung erklärt. Der unerklärte Rest – bestehend aus den „Residuen“ – sollte nur noch Messfehler oder irrationales Verhalten beschreiben, jedenfalls sollten in den Residuen keine systematischen Muster zu erkennen sein. Die Durbin-Watson (DW) Statistik ist in diesem Fall nahe 2, schlechte Werte wegen systematischer Muster liegen als Daumenregel unter 1,5 (bzw. über 2,5) und sehr bedenklich wird es unter 1. Im Fall systematischer Muster darf man wiederum den t-Werten nicht trauen. Wie ist die vorliegende Schätzung zu beurteilen? Der q-Wert hat erwartungsgemäß einen positiven Einfluss auf die Investition (Vorzeichen des Koeffizienten). Sein t-Wert liegt mit 5,07 deutlich über 2, so dass der Einfluss als statistisch gesichert scheint. Doch Vorsicht: Die DW-Statistik schlägt Alarm, wir dürfen daher dem t-Wert nicht trauen. In den Residuen sind noch systematische Muster enthalten. Schätzgleichung 2 greift eine Idee aus der Untersuchung industrieller Investitionen auf: Tobins q (qa) wird durch eine zusätzliche Variable ergänzt, hier durch den Auslastungsgrad des Produktionspotenzials, also durch einen Indikator konjunktureller Schwankungen. Diese sollten natürlich in q enthalten sein, denn sofern die Konjunktur einen Einfluss auf die Ertragserwartungen der Investoren haben sollte, müsste dieser in den Marktpreisen bereits enthalten sein. Dennoch schneidet Schätzung 2, die das durchschnittliche qa und den Auslastungsgrad enthält, in allen Kriterien deutlich besser ab: Der Erklärungsgehalt steigt auf 67 %, die t-Werte steigen und zeigen noch deutlicher den gesicherten Einfluss von Tobins q, auch der Auslastungsgrad hat einen signifikanten Koeffizienten. Die DW Statistik zeigt zudem weniger systematische Muster in den Residuen, da sie sich stärker an den Wert von 2,0 annähert. Der Auslastungsgrad hat einiges repariert, was in Schätzung 1 im Argen lag. Ein Argument gegen Tobins q? Ist der Ansatz mit einer erklärenden Variablen vielleicht doch zu einfach? Bestätigen sich die Erfahrungen aus den Schätzungen industrieller Investitionen? Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 122 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 123 3 Tobins q: Vom Analyserahmen zum praktischen Tool122 Eine alternative Lesart der ersten beiden Schätzungen ermöglicht Hayashi: Gleichung 1 setzt das falsche, nämlich das durchschnittliche qa als erklärende Variable an. Der Auslastungsgrad kann diesen Fehler nur teilweise beheben. Korrekt wäre das marginale qm. Nachdem der Preisspiegel des IVD nach Bestands- und Neubaumieten differenziert, können wir das marginale q berechnen und das Ergebnis direkt vergleichen: Schätzung 3 bietet sich als Alternative zu Schätzung 2 an. Das durchschnittliche q (qa) wird um das Verhältnis von Neubau- und Bestandsmiete, hier als „Hayashi-Faktor“ bezeichnet, in der Schätzgleichung ergänzt. In der Gesamtsicht ergeben beide zusammen das marginale qm.33 Diese Schätzgleichung schneidet in allen Kriterien (Erklärungsgehalt, t-Werte, DW-Statistik) besser ab als Schätzung 2. Deutlicher noch wird die Rolle des Auslastungsgrades, wenn sowohl der Auslastungsgrad als auch der Hayashi-Faktor in die Schätzgleichung aufgenommen werden und quasi um die Rolle bei der Erklärung der Immobilieninvestition konkurrieren: Der Auslastungsgrad hat einen sehr niedrigen t-Wert, sein Platz in der Schätzgleichung ist nicht mehr gesichert. Anschaulich interpretiert ist seine Rolle für die Korrektur des durchschnittlichen q hinfällig. Diese kann vom statistisch signifikanten Hayashi-Faktor besser ausgefüllt werden, so dass die leichte Verbesserung von Schätzung 3 nach Schätzung 4 kaum ins Gewicht fällt.34 Offensichtlich lässt sich durch Tobins q auf der Ebene des Bundeslandes etwa ¾ der Immobilieninvestition durch Tobins q beschreiben. Insofern handelt es sich auf dieser aggregierten Ebene um ein Tool zur Marktbeschreibung und -analyse, das mit relativ geringem Aufwand berechnet werden kann. Inwieweit jedoch erweist sich q auf lokaler Ebene als nützlich? Dieser Frage wendet sich der nächste Abschnitt zu. 33 Genau besehen gilt: qm = qa x Hayashi-Faktor. Nachdem die Variablen logarithmiert wurden, wird aus dem Produkt in der Schätzgleichung eine Summe. 34 R2 steigt immer durch eine neue Variable. Hat man ein zusätzliches Argument zur Erklärung, so kann der Erklärungsgehalt nicht sinken. Alternativ könnte man ein „adjustiertes R2“ heranziehen, das den Anstieg in R2 gegen die steigende Zahl erklärender Variablen abwägt. Schätzung Konstante qa Auslastungs grad Hayashi Faktor R2 DW 3 7,31 (9,03) 1,42 (6,45) – 2,50 (2,69) 0,73 1,67 4 7,45 (8,84) 1,40 (6,22) 1,03 (0,74) 2,12 (1,99) 0,75 1,75 t Werte in Klammern Abbildung 47: Schätzungen zur Erklärung der Immobilieninvestition Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 122 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 123 3.4 Fallstudie: Immobilieninvestition in  Baden Württemberg 123 3.4.2 Ausstrahlung von q-Werten in die Fläche q-Werte lassen sich für die Städte der IVD-Statistik aus dem Preisspiegel ableiten, aber auch größere Immobilienbewerter oder Gutachterausschüsse wären in der Lage, anhand der ihnen lokal vorliegenden Daten q-Werte zu berechnen. Welche Bedeutung haben aber q-Werte in einer eher regionalen/lokalen Perspektive? Inwiefern liefern q-Werte Informationen über das lokale Marktgeschehen? Wir untersuchen diese Fragestellung wiederum anhand des badenwürttembergischen Beispiels. q-Werte liegen zunächst für vereinzelte Punkte in der Fläche vor, analog Wetterbeobachtungsstationen, aus deren vereinzelten Informationen die immobilienökonomische „Wetterlage“ in der Fläche abgeleitet werden soll. Wir stellen uns nun eine konkrete Stadt mit ihrem q-Wert als das Zentrum sich immer weiter ausdehnender Kreise vor und fragen uns, wie der Informationsgehalt des q des Zentrums für die Immobilieninvestitionen des Kreises sich mit dem Durchmesser verändert. Dabei erwarten wir zwei unterschiedliche, sich überlagernde Effekte. Zum einen verliert mit zunehmendem Radius der q-Wert des Zentrums an Informationsgehalt, da immer mehr Informationen am Rand vernachlässigt werden. Das Zentrum macht einen immer kleineren prozentualen Anteil der Kreisfläche aus. Der zweite Effekt bezieht sich auf das Suchverhalten der Investoren. Wenn ein hoher q-Wert im Zentrum anzeigt, dass die Bildung neuen Immobilienkapitals lohnt, dann sucht der Investor nach potenziellen Standorten. Die Stadt selbst jedoch weist aufgrund der Agglomeration relativ hohe Grundstückspreise und relativ wenige unbebaute Flächen auf. Der Investor sucht in der Umgebung des Zentrums nach lohnenden Standortalternativen für die neu zu schaffende Immobilie. Ein hoher q-Wert des Zentrums verursacht Streueffekte (engl.: Spill Overs) in das Umland. Der Informationsgehalt des q-Wertes des Zentrums hängt damit vom Such- und Arbitrageverhalten der Investoren ab. Die folgende Graphik illustriert diesen Zusammenhang: Größe des Gebietes gesamter Informationsgehalt (R²) A Erfassung von Spill-overs Informationsgehalt des lokalen q Berücksichtigung lokaler Informationenen Abbildung 48 : Informationsgehalt des lokalen q-Wertes Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 124 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 125 3 Tobins q: Vom Analyserahmen zum praktischen Tool124 Durch die Überlagerung beider Effekte steigt der Informationsgehalt zunächst an. Für die nähere Umgebung der Stadt ist die Aussagekraft von q für die Immobilieninvestition größer als für die Stadt selbst. Das Maximum erreicht der Erklärungsgehalt für ein Gebiet des Radius A. Zwar steigen die Streueffekte noch weiter an, der gegenläufige Effekt der fallenden Aussagekraft aufgrund der vernachlässigten lokalen Informationen jedoch führt in der Summe ab A zum Rückgang der Aussagekraft von q. Dieser abstrakte Erklärungsansatz sagt einen „buckelförmigen“ Verlauf der Aussagekraft von q im Umland um die Stadt voraus. Wo allerdings Punkt A erreicht wird, bleibt offen. Entscheidend hierfür ist das Suchverhalten der Investoren in der Fläche, das wir uns nun empirisch ansehen wollen. Drei Städten unseres Portfolios – Freiburg, Karlsruhe und Stuttgart – ist ein Regierungsbezirk zugeordnet. Wir können als weiteste Umgebung diesen Regierungsbezirk, als engste Umgebung den Stadtkreis betrachten. Als zwischengelagerte Ebene definiert das Statistische Landesamt Baden-Württemberg Re gionen: Für Freiburg die Region „Südlicher Oberrhein“, für Karlsruhe die Region „Mittlerer Oberrhein“ und für Stuttgart die Region „Stuttgart“. Wir schätzen für die drei genannten Städte Immobilien-Investitionsfunktionen und vergleichen den Aussagegehalt (adjustiertes R2) nach der Größe des Gebietes. Das beobachtete Muster stimmt mit dem abstrakten Muster der Abbildung 48 überein. Der Erklärungsgehalt für den Stadtkreis ist in allen Städten am niedrigsten. Für Freiburg als die kleinste der drei Städte ist der Unterschied in der Aussagekraft für Region und Regierungsbezirk relativ klein. Der Punkt A 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 Freiburg Karlsruhe Stuttgart A d ju st ed R ² Stadtkreis Region Regierungsbezirk Abbildung 49: Aussagekraft von qm in der Fläche Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 124 Vahlen – Allg.Reihe – Francke/Rehkugler – Immobilienmärkte und Immobilienbewertung Herstellung: Frau Deuringer 13.09.2011 Imprimatur Seite 125 3.6 Literaturverzeichnis 125 dürfte in dieser Größenordnung zu vermuten sein. Für Karlsruhe, die nächstgrößere Stadt, deutet sich bei Annäherung an den Regierungsbezirk ebenfalls eine Abflachung an, die aber deutlich geringer ist als im Fall Freiburgs. Für Stuttgart schließlich ist keine Abflachung zu erkennen. Übertragen auf das Arbitrageverhalten der Anleger bedeutet dies, dass die aus Freiburg induzierten Investitionen sich im wesentlichen auf die Region beschränken dürften, von Karlsruhe in den gesamten Regierungsbezirk ausstrahlen und in Stuttgart noch deutlich über diesen hinaus. Eine seriös fundierte Aussage ist auf der Basis dreier Beobachtungen kaum zu treffen, aber die Ergebnisse sind mit der Annahme vereinbar, dass die q-Werte größerer Städte eine stärkere überregionale Bedeutung besitzen als diejenige kleiner und mittlerer Städte. Dies ist eine nachträgliche Rechtfertigung für die unterschiedliche Gewichtung, mit der die fünf Städte zur Berechnung des Baden-Württembergischen q herangezogen wurden. Abschließend lässt sich zusammenfassen, dass lokale q-Werte durchaus zur Beschreibung lokaler Marktlagen herangezogen werden können. Bei der Auswertung ist jedoch die regionale Abgrenzung des Marktes von entscheidender Bedeutung, sie darf nicht zu eng erfolgen. 3.5 Fazit q-Werte bieten einen eleganten Analyserahmen, um die Marktlage in einer zentralen Kenngröße zu verdichten. Die Anforderungen an die Datenbeschaffung und die Berechnung sind dabei nicht sehr hoch. q-Werte lassen sich aus dem Preisspiegel des IVD berechnen, wo diese nicht vorliegen, kann aus entsprechenden Kaufpreissammlungen eine eigene Auswertung vorgenommen werden. Beim praktischen Einsatz ist die Orientierung der potenziellen Investoren in die Fläche zu berücksichtigen. Dieses hat zur Folge, dass sich das mehr oder weniger stark ausgeprägte Such- und Arbitrageverhalten der Investoren in eine „Unschärfe“ der Aussagekraft von q überträgt: Sinnvollerweise sind mit q Märkte ab der Größe einer Region bzw. eines Regierungsbezirkes zu beschreiben. Berücksichtigt man diese Einschränkung, so erweist sich q ein praktisches Tool zum Verständnis der regionalen Investitionstätigkeit. 3.6 Literaturverzeichnis Behr, A. und Belgardt, E. (2002): Dynamic Q-investment functions for Germany using panel balance sheet data and a new algorithm for the capital stock at replacement values. Discussion Paper 23/02, Economic Research Centre of the Deutsche Bundesbank, Frankfurt. Francke, H.-H. und Nitsch, H. (2004): Tobins q und Immobilieninvestitionen, in: Hofer, M. B. et al (Hg.): Geld- und Wirtschaftspolitik in gesellschaftlicher Verantwortung, Berlin, S. 269–285.

Chapter Preview

References

Zusammenfassung

Immobilienmärkte und Immobilienbewertung:

Alles für die immobilien-wirtschaftliche Ausbildung.

Rund um die Immobilie

Das Werk enthält Beiträge zur Entwicklung und Analyse von

* Immobilienprodukten,

* Immobilienmärkten sowie zur

* Immobilienbewertung.

Immobilienmärkte und Immobilienbewertung

Anschaulich und kompakt werden zentrale Stoffinhalte der immobilienwirtschaftlichen Ausbildung dargestellt: von der Analyse der dominanten Einflussfaktoren der Entwicklung von Immobilienmärkten über die Diskussion um das angemessene Bewertungsverfahren für Immobilien und Immobiliengesellschaften bis hin zu Fragestellungen der Bilanzierung von Immobilien nach internationalen Rechnungslegungsvorschriften.