Ludvig Friberg
Räntevalet - Bunden eller rörlig ränta?
- En kvantitativ studie över faktorer som påverkar de svenska bolånetagarnas val av räntebindningstid
The choice of mortgage rate - Fixed or variable interest rate?
Nationalekonomi
Examensarbete – Civilekonomprogrammet
Term: Spring 2021 Supervisor: Dinky Daruvala
Förord
Först och främst vill jag uttrycka min tacksamhet till min handledare, Dinky Daruvala, samt mitt bollplank, Karl-Markus Modén, för er tid, vägledning och konstruktiva kritik under arbetets gång. Jag vill också tacka den bank och berörda personer inom banken, för hjälp med datainsamling och användbara erfarenheter till studien.
Sammanfattning
Under de senaste 20 åren har värdet på de svenska privata hushållens bostadslån ökat med i genomsnitt 8,1 % per år. Som en konsekvens av att bostadspriserna ökat i högre takt än inflationen har hushållen tvingats belåna sig i en högre grad, vilket bidragit till att både skuldkvoten och belåningsgraden ökat. Hushållen har på grund av detta blivit mer exponerade för risker i form av ränteförändringar eller i form av bostadsbubblor.
Ett bostadslån är för majoriteten av den svenska befolkningen den största och mest riskfyllda investering som görs under dess livstid och kan ge bekymmersamma konsekvenser vid fel beslut. Vid ett bolån står låntagaren inför ett val mellan rörlig och bunden ränta, där den bundna räntan ses som det säkra valet. Bolånetagare kan också välja att dela upp ränta med en del rörlig och en del bunden ränta vilket då kan tolkas som ett säkrare val än rörlig ränta men mer osäkert än bunden ränta. Tidigare forskning konstaterar dock att många bolånetagare har svårt att förstå risken och följden av valen mellan olika räntebindningstider och på grund av komplexiteten med räntor inte fatta rationella beslut.
Syftet med studien är att undersöka hur vissa utvalda faktorer påverkar valet mellan bunden och rörlig räntebindningstid och koppla detta till ekonomiska teorier. Studien använder sig av en multinomial logistisk regression och faktorerna som analyseras är: ålder, låneobjektet, belåningsgraden, skuldkvoten, inkomsten, antalet låntagare i hushållet, räntedifferensen (mellan rörlig och bunden 2 år) och förändringar under pandemin covid-19 under perioden 2016 - 2021.
Resultatet av studien är av intresse för både svenska beslutsfattare och banker, då resultatet visar vad som driver bolånetagare riskexponering. Vidare konstaterar studien att bolånetagarna har en minskad riskaversion med en ökad förmögenhet, samt att bolånetagare med högst skuldkvot och belåningsgrad är de hushåll som väljer rörlig ränta i högst utsträckning. Där med konstaterar studien att de svenska bolånetagare som är mest exponerade för risk också är de bolånetagare som i lägst utsträckning binder sin ränta och är där med mest risksökande i deras val av ränta.
Nyckelord
Ränteval, svenska bolånemarknaden, ränta, risk, val under risk, bostadslån
Abstract
Over the past 20 years, the value of Swedish private households' housing loans has increased by an average of 8.1% per year. Because of house prices rising at a higher rate than inflation, households have been forced to borrow to a greater extent, which has contributed to an increase in both the debt-to-income ratio and the loan-to-value ratio. As a result, households have become more exposed to risks, as interest rate changes or housing bubbles.
For most of the Swedish population, a housing loan is the largest and most risky investment made during its lifetime and can have worrying consequences in the event of a wrong decision.
In the case of a mortgage, the borrower is faced with a choice between variable and fixed interest rates, where the fixed loan is seen as the safe choice. Mortgage borrowers can also choose to divide interest with some variable and some fixed interest, which can then be interpreted as a safer choice than variable interest but more uncertain than fixed interest.
Previous research finds, however, that many mortgage borrowers find it difficult to understand the risk and consequences of the choices between different fixed interest periods and, due to the complexity of interest rates, do not make rational decisions.
The purpose of the study is to investigate what influences the choice between fixed and variable interest rate periods and link this to economic theories. The study uses a multinomial logistical regression, and the factors analysed are age, loan object, loan-to-value ratio, debt ratio, income, number of borrowers in the household, the interest rate differential (between variable and fixed rate 2 years) and changes during the covid-19 pandemic during the period 2016 - 2021.
The results of the study are of interest to both Swedish decision-makers and mortgage bank, as the results show what drives mortgage borrowers' risk exposure. Furthermore, the study states that mortgage borrowers have decreased risk aversion with increased wealth, and that mortgage borrowers with the highest debt ratio and loan-to-value ratio are the households that choose variable interest rates to the greatest extent. Thus, the study states that the Swedish mortgage borrowers who are most exposed to risk are also the mortgage borrowers who to the least extent tie their interest rate, consequently, mortgage borrowers with the highest loan-to-value ratio are also the most risk-seeking group in their choice of interest rate.
Keywords
Mortgage choice, Swedish mortgage market, risky choice, risk, mortgages
Innehållsförteckning
1. Inledning ... 1
1.1 Problemformulering ... 1
1.2 Syfte ... 2
1.3 Anförande och Avgränsningar ... 3
1.4 Disposition ... 3
2. Bakgrund ... 4
2.1 Ränta ... 5
2.1.1 Fast bindningstid ... 6
2.1.2 Rörlig bindningstid ... 7
2.2 Risker för bolånetagare ... 9
2.2.1 Vad är risk? ... 9
2.2.2 Vilka risker finns det på bostadsmarknaden?... 9
3. Teoretisk bakgrund ... 14
3.1 Den förväntade nyttofunktionen ... 14
3.2 Begränsad rationalitet ... 17
3.3 Prospektteori ... 17
4. Val av ränta ... 19
5. Metod ... 20
5.1 Val av metod och datainsamling ... 20
5.2 Logistisk regression ... 20
5.3 Multinomial logistisk regression ... 23
5.4 Validitet ... 24
6. Datahantering... 25
6.1 Variabler ... 25
6.2 Behandling av datamaterial ... 28
7. Resultat ... 30
7.1 Multinomial logistisk regression ... 30
7.2 Räntedifferens ... 32
7.3 Belåningsgrad ... 34
7.4 Skuldkvot ... 35
7.5 Inkomst ... 37
7.6 Ålder ... 39
7.7 Övriga variabler ... 40
7.8 Sammanfattning av resultatet ... 42
8. Analys och diskussion ... 43
8.1 Analys ... 43
8.2 Diskussion ... 46
9. Slutsats ... 48
10. Referenser ... 49
1. Inledning
Under de senaste 20 åren har värdet på de privata hushållens bostadslån ökat med i genomsnitt 8,1 % per år. Att bostadspriserna kunnat tillta i denna takt har också att göra med att hushållens disponibla inkomster ökat och bolåneräntorna under flera år sjunkit, vilket i praktiken inneburit att det blivit billigare att låna pengar. I och med detta har både skuldkvoten (lån i förhållande till inkomsten) och belåningsgraden (lån i förhållande till bostadens värde) ökat. Hushållen har på grund av detta blivit mer exponerade för risker i form av ränteförändringar eller i form av bostadsbubblor (Finansinspektionen 2021). För att bromsa de snabbt stigande bostadspriserna har finansinspektionen infört bland annat amorteringskrav, vilka ökar amorteringen i tre steg beroende på bolånetagarens skuldkvot och belåningsgrad.
För att finansiera ett bostadsköp använder de flesta svenska medborgare sig av ett bolån som ställs ut av ett lånehypotek. I slutet av 2020 uppkom det utlånade kapitalet till 4 468 miljarder kronor, vilket är 89 % av Sveriges BNP (Finansinspektionen 2021). Målet för en bank är att fortlöpande generera en avkastning i form av vinst, därför tar bankerna ut en ränta på det utlånade kapitalet.
Vid ett bolån står låntagaren inför ett val mellan rörlig eller bunden ränta, det går också att dela upp lånet för att kombinera lånet med en rörlig del och en bunden del. I Sverige justeras den rörliga räntan för låntagaren med ett intervall på tre månader, och den bundna räntan binds över en överenskommen period, denna period kan vara 1, 2, 3, 4, 5, 7 eller 10 år. Den bundna räntan är oftast högre än den rörliga, samt tilltagande med en längre bindningstid, detta på grund av att bankerna bär risken för en ökad ränta under bindningstiden.
1.1 Problemformulering
Både fastighetspriserna och de svenska hushållens skuldkvot fortsätter att öka, även under 2020 trots att året har påverkats av Covid-19. Detta bidrar till att kreditmarknaden och de svenska bolånetagarna får en större riskexponering. Det finns tydliga likheter mellan valet av bunden eller rörlig ränta och ett klassiskt beteendeekonomiskt ”risky choice problem”. Där den bundna räntan, med en fast framtida månadsbetalning, kan ses som det säkra valet och den rörliga räntan, med en okänd framtida månadsbetalning, ses som det riskfyllda valet. I beslutet tenderar
den bundna räntan vara högre än den rörliga räntan. Valet beror i och med detta på bolånetagarens attityd till risk (Bacon & Moffatt 2012).
Då bolånetagarnas val av ränta är en risk för både det privata hushållens ekonomi och den ekonomiska stabiliteten i ett land är det viktigt för beslutsfattare att förstå vad som driver bolånetagarnas val mellan bundna och rörliga räntor. Att kunna förutspå beteendet hos de svenska hushållen och på så sätt kunna påverka de makroekonomiska effekter val av bindningstid medför, skulle kunna vara ett instrument för den monetära politiken samt banker att använda sig av för att styra kreditmarknadens riskexponering.
1.2 Syfte
Denna studie syftar till att skapa en förståelse över hur olika faktorer hos svenska bolånetagare kan förklara valet av räntebindningstider och följaktligen hur de exponerar sig mot ränterisk.
De faktorer som analyseras är ålder, objekt, belåningsgrad, skuldkvot, inkomst, antal låntagare i hushållet samt korrelationen mellan räntedifferensen (rörlig - bunden, 2år). Studien kontrollerar för faktorernas påverkan på valet av rörlig ränta, bunden ränta och en mix av ränta vilket är en uppdelning av lånet på en rörlig och en bunden del.
Studien syftar också till att kontrollera efter eventuella förändringar av bolånetagarnas beteende efter mars, 2020, då den svenska ekonomin gått in i en lågkonjunktur och den ekonomiska osäkerheten ökat med anledning av Covid-19.
Studien syftar följaktligen till att svara på här nedan nämnda forskningsfrågor och analysera och diskutera resultatet av forskningsfrågorna utifrån ekonomisk teori.
• Påverkar faktorerna: ålder, objekt, belåningsgrad, skuldkvot, inkomst och antal låntagare valet mellan bunden och rörlig räntebindningstid?
• Har Covid-19 påverkat valet mellan bunden och rörlig räntebindningstid?
1.3 Anförande och Avgränsningar
Studien är genomförd med en induktiv metod och använder kvantitativa data, som med hjälp av statistikprogrammet SPSS analyseras med en multinomial logistisk regression. Studien tillämpar primära datamaterial som är insamlad mellan perioden 2016-01-01 och 2021-02-28, från en av de fem största bankerna i Sverige och antal observationer uppgår till 152 295.
För att på ett säkert och trovärdigt sätt bearbeta och analysera studiens stora datamaterial har ett omfattande och tidskrävan arbete utförts. Utifrån att studien endast skrivs av en författare, dess storlek och tidsbegränsning har avgränsningar i datamaterialet varit nödvändiga. Vissa faktorer som vid initialstadiet var önskvärt, har där med inte nyttjats. En av dessa faktorer är till exempel populationens geografiska område, om beteendet avseende räntebindningstid skulle skilja sig beroende på om folkbokföringen avser mindre eller större orter inom Sverige.
På grund av arbetets storlek har avgränsningar även utförts till att endast använda datamaterial från en av Sveriges banker. Vid ett större utrymme skulle även möjligheten öka att söka efter data från andra banker och på så sätt analysera en större generaliserbarhet för hela svenska befolkningen som population under dessa år.
1.4 Disposition
Studien börjar med att i kapitel 2 ge en sammanfattning av tidigare studier samt en grundläggande kartläggning av räntor och risker bolånetagare möter vid köp av en fastighet. I det 3:e kapitlet förklaras de teoretiska ramverket som används för att analysera beteende och riskaversion i studien. Kapitel 4 ger en förklarning över hur bolånetagare kan rama in räntevalet de ställs inför. Kapitel 5 beskrivs de metoder som används för att kunna besvara studiens syfte.
Kapitel 6 består av en djupare beskrivning i hur datamaterialet har hanterats och lägger till grund för arbetet i kapitel 7 som är statistiskt utformat. Innan studien avslutas med referenshantering presenteras studiens analys och diskussion i kapitel 8, följt av kapitel 9 där den slutsats som svarar på studiens syfte och frågeställning om huruvida olika faktorer påverkar val av räntebindningstid.
2. Bakgrund
För hushållen är ofta bostadslån det största och viktigaste ekonomiska beslut som fattas under hela livstiden. I förbindelse till ett bostadslån är det bolånetagarens skyldighet att betala en ränta på det lånade kapitalet. Räntevalet är ett viktigt beslut för låntagaren, eftersom det utsätter bolånetagare för ekonomiska risker som kan ge stora konsekvenser för både individen och i en större skala det ekonomiska systemet. Ett exempel är finanskrisen 2007–2008 som uppstod i samband med att många bolånetagare inte kunde betala ränta samtidigt som huspriserna sjönk.
Detta åskådliggjorde effekten av en icke fungerande bolånemarknad och påvisade den ekonomiska stabiliteten beroende av medborgares hushållsekonomi (Campbell 2013; Hullgren 2013).
Enligt Hullgren (2013) kopplas valet av valbara räntebindningstider för bolånetagare till 1980- talets mitt, då den rörliga räntan introducerades i USA. Bolånetagarnas val av ränta har vidare blivit ett intressant ämne att studera, eftersom det kan ses som de komplexaste valen en individ står inför under hela sin livstid. Valet av bunden eller rörlig ränta kan beskrivas som det klassiska ”risky-choice problem”, vilket är ett beteendeekonomi problem som syftar till att förklara individers val i situationer när det finns en osäkerhet om utfallet (Bacon & Moffatt 2012). Tidigare forskning av val mellan räntor har framför allt riktats mot den amerikanska bolånemarknaden som skiljer sig något i förhållande till den svenska bolånemarknaden. Där de tidigaste studierna i slutet av 1980-talet var baserade på traditionell mikroekonomisk teori som sammanfattningsvis resulterade i att visa de optimala valen av ränta för olika faktorer som ålder, inkomst och ränteskillnader (Hullgren 2013). Under 2000-talets början vidareutvecklades teorierna, där Campbell och Cocco (2003) bland annat bevisade att bolånetagare med låg skuldkvot, de med en stabilare inkomst och bolånetagare som var mindre riskavert har högre sannolikhet att välja rörlig ränta framför bunden ränta. Vidare presenterade Hullgren (2013) en studie över situationen på den svenska bolånemarknaden där hon bland annat konstaterade att bolånetagare med lägre inkomst, låg utbildningsnivå och hög belåningsgrad har en högre sannolikhet att välja bunden ränta för att undvika likvida problem.
2.1 Ränta
Den svenska Riksbanken har under de senaste åren fört en expansiv penningpolitik vilket i stora drag har lett till att bolåneräntor och inlåningsräntor för hushållen legat på en låg nivå.
Marknadsräntorna och bolåneräntor i Sverige är högt korrelerade med Riksbankens styrränta (reporäntan) men det är inte bara den som påverkar. Över tid har skillnaden mellan den genomsnittliga bolåneräntan och Riksbankens reporänta varierat i olika stor grad.
Bolåneräntorna är också beroende av hur bankernas väljer att finansiera sig och hur konkurrenssituationen på bolånemarknaden ser ut. Störst påverkan har bankernas riskpremie som bygger på dess säkerställda obligationer och skillnad mellan 3 månaders Stibor och reporäntan (Riksbanken 2020).
Det finns olika faktorer som påverkar hur banker väljer att finansiera sig, i Sverige påverkar bland annat kapital- och likviditetskrav. Beau m.fl. (2014) påvisar att banker till största del finansierar sig genom inlåning från allmänheten, så är även fallet i Sverige. De svenska bankernas inlåning är dock inte tillräckligt stor för att täcka utlåningen, det finns ett inlåningsunderskott på ca 3 000 miljarder kronor i Sverige. För att täcka underskottet på bolånemarknaden är marknadsfinansiering det mest effektiva sättet och de svenska bankerna använder i första hand emissioner av värdepapper. Handel av dessa värdepapper sker på olika långa löptider med svensk och utländsk valuta. Detta gör att de svenska bankernas finansieringskostnaden kan fluktuera över tid och är känsligt för finansiell stress (Riksbanken 2020).
2.1.1 Fast bindningstid
Ett bostadslån har oftast en avbetalningstid som löper över flera decennier och i dagsläget är det mer en regel än ett undantag att kunden stannar på banken den först ansökte om lånet hos tiden ut. Bankerna finansierar generellt lånen på samma löptider, genom att emittera säkerställda obligationer med en fast ränta och en löptid på många år, oavsett om bolånekunden väljer en rörlig eller fast ränta men metoden banken väljer att finansiera sig på skiljer sig beroende på vilken löptid hushållet väljer (Riksbanken 2020).
När ett hushåll binder sina lån på X antal år kan vi i teorin anta att banken i sin tur väljer att binda finansieringen för bolånet på samma löptid, X. De gör detta genom att emittera en obligation med en löptid på X år. Eftersom bindningstiden för både bolånetagare och banken är fast vet de vad lånet kostar under de X år räntan är bunden. Detta går att se som ett sätt för bolånetagare att minimera sin risk för stigande räntor under de år lånen är bundna, samtidigt som bolånetagare tar risken att mista den förtjänst hen skulle kunna tjänat om räntorna under samma tidsperiod sjunker (Riksbanken 2020).
Riksbanken (2020) förklarar den fasta bolåneräntan genom att dela upp den i tre delar: risk- och löptidspremie, finansieringsmix och marginal. Där själva finansieringskostnaden hos banker, för att ge ut ett bolån, kan summeras till kostnaden för att köpa en obligation (risk- och löptidspremien) samt finansieringsmix. Den understa delen, risk- och löptidspremien, består av den säkerställda obligationens ränta, som är en blandning av en riskpremie och en riskfri ränta.
Riksbankens styrränta, reporäntan, är den riskfria delen av obligationen och är den part som de kortaste marknadsräntorna är beroende av. Eftersom det inte är riskfritt att låna ut pengar till en bank kräver låneinstitutioner även en viss täckning för risk, detta innebär att banker också betala en riskpremie samt en löptidspremie. Finansieringsmixen är den finansiering banker använder sig av ut över säkerställda obligationer, detta kan vara certifikat, icke säkerställda obligationer och inlåning. Marginalen är den del som utgör den största delen av den fasta bolåneräntan. I marginalen ingår inte bara vinstmarginalen, utan den täcker också omkostnader som kontor, personal och övriga systemkostnader (Finansinspektionen, 2016). Samt risken banken tar när de lånar ut pengar i form av förväntade förluster och kostnader kopplat till kapitalresurserna banken enligt lag är tvungen att hålla för att få låna ut pengar. Enkelt förklarat sätts den fasta bolåneräntan alltså utifrån dessa komponenter och detta innebär att banken har
möjlighet att förändra räntan genom att
förändra någon av variablerna i figur 1. Höjs exempelvis reporäntan kan banken hålla samma fasta bolåneränta genom att sänka marginalen.
2.1.2 Rörlig bindningstid
Rörlig ränta menas i den här uppsatsen den ränta som löper med tre månaders intervall mellan bindningstiderna. Bland de svenska bolånetagarna är det den rörliga bindningstiden som är vanligast, det är ungefär 60% av bolånetagarna som låter sina lån löpa med ränta rörlig. I och med att räntan förändras var tredje månad vet inte de bolånetagare som använder sig av en rörlig ränta hur mycket som de kommer behöva betala i ränta den nästkommande tidsperioden (Riksbanken 2020).
När det gäller den fasta bolåneräntan vet bankerna på förhand vilken finansieringskostnaden de kommer ha under hela bindningstidens löptid men när det kommer till den rörliga räntan är den hela tiden föränderlig. Även för den rörliga bolåneräntan använder sig banker i regel av säkerställda obligationer med en löptid på X år precis som de gör för den fasta
bolåneräntan. För att undvika förluster som kan uppkomma genom att den rörliga räntan kan
Figur 1 - Fast bolåneränta
Fast bolåneränta = räntan på den säkerställda obligationen + räntebidraget från finansieringsmixen + lånets marginal
Källa: Riksbanken 2021
sjunka medan den fasta räntan på de säkerställda obligationerna ligger kvar på samma nivå
under hela löptiden, anpassas den rörliga bolåneräntan genom att omvandla den fasta
obligationsräntan till en rörlig. Detta innebär att risk- och löptidspremien i figur 1 byts ut mot komponenterna Stibor 3 månader subtraherat med reporäntan och en riskpremie, se figur 2.
Riskpremien ges av differensen mellan den fasta swap-räntan utställd av swap-motparten och obligationens fasta ränta, detta är ett genomsnitt på bankens utestående säkerställda
obligationer. Stibor (Stockholm Interbank Offered Rate) är den svenska referensräntan, som bygger på ett de största svenska bankernas dagliga rapportering av deras
finansieringskostnader på olika långa löptider och i detta fall 3 månader. Vilket gör att den rörliga bolåneräntan till skillnad från den fasta räntan också är beroende av bankernas kortfristiga finansiering eftersom det förändrar skillnaden mellan 3 månaders Stibor och reporäntan (Riksbanken 2021).
Figur 2 - Rörlig bolåneränta
Rörlig bolåneränta = reporänta + (Stibor 3 månader – reporänta) + riskpremie relaterat till säkerställda obligationer + räntebidraget från finansieringsmixen + lånets marginal
Källa: Riksbanken 2021
2.2 Risker för bolånetagare 2.2.1 Vad är risk?
Nationalencyklopedin (2021) benämner risk som sannolikheten att en viss omständighet med en oönskad följd inträffar under en given period. Inom nationalekonomin specificeras fallet till en aktörs ekonomiska konsekvens vars utfall beror på osäkra faktorer. Man skiljer ofta på risk och osäkerhet. Jaldell och Svensson (2009) menar att en risk innebär att både sannolikheten för utfallen och utfallens påverkan är kända, medan osäkerhet är när händelsernas påverkan är känd men sannolikheten är okänd. Det går också dela in risk i två kategorier, vilka är objektiv risk där sannolikheter är förutbestämda och subjektiv risk där sannolikheterna är uppskattade (Jaldell & Svensson 2009). Vidare identifierar individer samma situationer på olika sätt och värderar risken av dessa situationer olika, detta kallas för riskpreferenser (Nationalencyklopedin 2021).
För att bedöma den finansiella risken hos de svenska hushållen menar Finansinspektionen (2021a) att man bedömer låntagarnas betalningsförmåga. Det handlar då om att se hur hushållens situationer förändras när det sker både makro- och mikroekonomiska förändringar hos bolånetagare. Det är då framför allt hur väl hushållen klarar av att betala sin ränta och behålla amorteringen för sina lån, vilket vidare ställs mot hur bra hushållen kan behålla konsumtionen om exempelvis löner sjunker eller räntor stiger. Detta gör man genom att mäta olika variabler, de två vanligaste måtten är belåningsgraden och skuldkvoten. Belåningsgraden är förhållandet mellan lånets storlek och bostadens värde, skuldkvoten är förhållandet mellan lånets storlek och hushållets bruttoinkomst (Finansinspektionen 2021a).
Belåningsgrad = Lånets totala värde / Bostadens marknadsvärde Skuldkvot = Lånets totala värde / Hushållets årliga bruttoinkomst
2.2.2 Vilka risker finns det på bostadsmarknaden?
Bostadsägare möter olika risker beroende på vilken livssituation de befinner sig i just för tillfället. Eftersom bostadsmarknaden följer balansen mellan utbud och efterfrågan och utbudet är trögrörligt medan efterfrågan är snabbrörlig kan det ske stora skiften snabbt på kort sikt.
Därför är faktorer som kan ha en stor betydelse exempelvis ålder, inkomst och förmögenhet.
För en ung person kan det ses som negativt med ökande bostadspriser då unga personer förmodligen tjänar mer i framtiden och det då skulle gynna dem att bostadspriserna inte ökar.
Medan det går att se det som tvärt om för personer med utflugna barn som snart planerar att köpa en mindre, billigare, bostad och få pengar över från försäljningen (Englund 2020). Det finns primärt tre risker en normal bolånetagare ställs inför, dessa är: bostadsprisrisk, ränterisk och inkomstrisk. Av dessa risker är inkomstrisken den risk som en bolånetagare lättast kan förutspå och styra över. Inkomstrisken handlar egentligen om hur säker arbetssituationen för individen är och i Sverige kan denna risk kan ofta minimeras genom att vara med i A-kassan.
Bostadsprisrisk
När det gäller priset på vanliga varor brukar ekonomer prata om utbud och efterfrågan, priset sätts efter den jämnvikt som bildas av just utbudet och efterfrågan. Förändras jämnvikten så förändras också priset till den nya nivån relativt fort. Detta beror på att efterfrågan är snabbrörlig men också på att utbudet för vanliga varor har enkelt att förändra och anpassa sig efter det nya utbudet eller situationen och vice versa. När det gäller bostäder finns det en trögrörlighet i utbudet eftersom bostäder är fixerade i sin geografiska position, de tar lång tid att tillverka och när de väl är på plats finns de där under flera decennier i de flesta fall. Dessutom finns det en begränsad yta för att bygga nya bostadshus. När det kommer till vad som påverkar efterfrågan är det egentligen den demografiska utvecklingen i landet, i form av födelse och dödstal men också av migration från både utland och mellan städer inom ett land. Det finns också en viss påverkan av inkomstutveckling och finansieringsregler. I och med detta kan det på kort och medellång sikt tvinga fram stora prissvängningar när utbudet förändras, medan det på lång sikt finns en någorlunda stabil jämnvikt eftersom utbudet på lång sikt kan anpassa sig till efterfrågan (Englund 2020). Hushållen är en av de viktigaste tillgångarna för privatekonomin och det är många som ser sitt boende som ett extra pensionssparande. 2015 var det totala värdet på svenskars tillgångar i form av småhus, bostadsrätter och fritidshus 8 000 miljarder kronor medan den totala disponibla inkomsten uppkom till 2 000 miljarder. Detta skulle innebära att en uppgång av bostäders värde i Sverige med 1 procent skulle ge en ökning på ca 4 procent i inkomsten och således påverka den svenska konsumtionen. Direkt påverkar dock inte prisbildningen på bostadsmarknaden hushållens ekonomi, utan det sker först vid en försäljning av bostaden som individer i ett hushåll blir rikare eller fattigare (Englund 2020).
Ränterisk
För att finansiera bostadsköp använder sig majoriteten av svenskarna idag bostadslån och den genomsnittliga belåningsgraden var, 2018, 68 % för nya bolån (Englund 2020). Kostnaden för att låna pengar tas ut av banken genom ränta. Både den rörliga och fasta räntan har under de senaste 25 åren haft en långsiktig negativ trend men har fluktuerat mycket framför allt under perioder med ekonomisk stress. Den rörliga räntan fördubblades exempelvis inom en årsperiod både 2007–2008 och 2011–2012, för att sedan börja sjunka igen. Detta visar hur snabbt en ränteökning kan ske och det är dessutom svårt att förutspå dessa förändringar. För att skydda sig mot den kortsiktiga ränterisken i form av rörlig ränta kan en bolånetagare binda sin ränta och låta banken stå för risken. För att banken ska gå med på att stå för risken behöver låntagaren som tidigare visats betala en riskpremie. Historiskt sätt har den rörliga räntan dock i genomsnitt varit lägre än både den 3- och 5-åriga räntan och att binda räntan i fel tidpunkt har kunnat kosta mycket för bolånetagare (Englund 2020).
Belåningsgraden hos de svenska bolånetagarna har legat relativt stabilt över tid men det har skett en kraftig ökning av bostadspriserna. Detta har inneburit att framför allt de svenska hushållens skuldkvot har stigit, i genomsnitt uppgår skuldkvoten baserat på bruttoinkomsten till 307 procent 2020, vilket är den högsta nivån den svenska bolånemarknaden legat på sedan mätningarna startade (Finansinspektionen 2021a). Skuldkvoten som berättar hur stort lånet är i förhållande till hushållets inkomst visar hur mycket ett hushåll måste betala för sitt boende givet en viss ränta och amorteringsgrad. En ökande skuldkvot innebär alltså inte bara en ökande kostnad för boendet utan också en ökande känslighet för ränta och inkomst. Med andra ord innebär det att en bolånetagare löper en större risk för förändringar i ränta och inkomst ju högre skuldkvot hen har. För att stanna av den ökande takten av skuldkvoten hos de svenska hushållens införde, 2018, Finansinspektionen skärpta amorteringskrav. Detta fick en effekt men allt eftersom en högre amorteringstakt blivit accepterat har skuldkvoten fortsatt öka i mindre takt (Finansinspektionen 2021a).
Riksbanken (2020) tar upp tre olika förändringar i bankers finansiering som i sin tur förändrar de rörliga räntorna hos bolånetagarna och där med går att se som risker för bolånetagare vad gäller bostadsräntor. Det är de långfristiga räntorna vilka påverkas av riskpremien i de säkerställda obligationerna och swap-räntan, de kortfristiga räntorna som påverkas av Stibor- reporäntan och reporäntan, samt finansieringsmixen som påverkas av icke säkerställda obligationer och inlåningsräntorna (Riksbanken 2020)
Ränterisk - Långfristiga räntorna
De långfristiga räntorna påverkas framför allt av två faktorer, den första är alltså förändringar av de säkerställda obligationernas riskpremie. Eftersom de säkerställda obligationerna utgör en stor del av bankernas totala finansiering ger en förändring i dessa en hög och direkt påverkan på bankernas marginalkostnad. Justeringen sker dock långsamt och gradvis eftersom den genomsnittliga löptiden på de säkerställda obligationerna sträcker sig över några år. Den andra faktorn som påverkar de långfristiga skulderna är förändring av de riskfria räntorna, som exempelvis swap-räntor. I normala fall har detta bara påverkan på den bundna räntan så länge de kortfristiga räntorna är oförändrade. Men när de riskfria långräntorna förändras skapas en förväntan om att de kortfristiga riskfria räntorna också kommer förändras på sikt, detta bör då också leda till den förväntade förändringen och påverka de rörliga bolåneräntorna framåt (Riksbanken 2020).
Ränterisk - Kortfristiga räntorna
När det kommer till kortfristiga räntor som exempelvis Stibor och andra kortfristiga marknadsräntor som är beroende av reporäntan, har förändringar både en direkt och hög påverkan på de rörliga bolånen. Eftersom de svenska bankerna i forma av ränte-swappar har knutit sina finansieringskostnader för de säkerställda obligationerna till referensräntan Stibor, har förändringar av Stibor också en påverkan på bankernas finansieringskostnader (Riksbanken 2020).
Ränterisk - Finansieringsmixen
Finansieringsmixen har minst påverkan av dessa faktorer eftersom den utgör den minsta andelen av finansieringskostnaden. Den största delen av inlåningen sker med just kort räntebindningstid och påverkar det vi kallar finansieringsmixen. Den korta räntebindningstiden gör att det är ett direkt genomslag vid en förändring, inlåningen är dock en liten del av den totala finansieringskostnaden för ett bolån och påverkar därav inte bolåneräntan i lika stor utsträckning. De icke säkerställda obligationerna som också påverkar finansieringsmixen har precis som inlåningsräntorna en mindre påverkan än de kortfristiga och långfristiga räntorna.
Försändningar i de icke säkerställda obligationerna har ett långsamt utslag på räntan likt de säkerställda obligationerna, eftersom de oftast har en längre löptid (Riksbanken 2020).
Som förklaras i avsnittet om räntor utgör bankernas marginal en stor andel av den totala bolåneräntan. Det innebär att banker skulle kunna välja att ta en del av en eventuell ökad finansieringskostnad själva genom att minska marginalen och på så sätt inte förändra bolånekundernas ränta. Det samma gäller för en eventuell minskad kostnad, där bankerna i stället har möjlighet att ligga kvar med samma ränta och öka sin marginal.
3. Teoretisk bakgrund
3.1 Den förväntade nyttofunktionen
Inom den nationalekonomiska teorin används antagandet ”Homo Oeconomicus” eller
”Economic man” som utvecklats för att förklara människors beteende i ekonomiska beslut och antar människor agerar rationellt i dessa beslut. Den rationell människa förväntas enligt modellen alltid gör sitt yttersta för att välja det bästa beslutet och maximerar sin nytta, utan att påverkas av känslomässiga faktorer. Vidare antas att individen veta vad den vill ha, den jämför kvaliteter och priser mellan olika produkter och kommer inte ta ett beslut förrän alla faktorer är kalkylerade. Samt att hela marknaden är överblickbar för att kunna ta det bästa beslutet (Bekker m.fl. 2014).
För att mäta individers preferenser används inom nationalekonomin måttet nytta. Nyttan kan beräknas med en nyttofunktion, som matematiskt förklarar nyttan en individ erhåller i förhållandet till dess konsumtion. Man antar att en ökad konsumtion också leder till en högre nytta, men med en avtagande marginalnytta i och med att en individs behov av en vara eller tillgång avtar med ett tilltagande kvantitet (Jaldell & Svensson 2009).
1944 kom John von Neumann och Oskar Morgenstern upp med teorin, den förväntade nyttofunktionen, som förklarar individers beteende när det gäller riskfyllda val (Von Neumann
& Morgenstern 2004). Teorin är en vidareutveckling av nyttoteorin och avser beräkna nyttan, i form av individens nya förmögenhet, i beslut som har osäkra utfall med en känd sannolikhet.
Från början bygger teorin på Bernoullis resonemang, från 1700-talet, om en avtagande marginalnytta, där han genom att observera människors val i spel kom fram till att individer försöker maximera den förväntade nyttan och inte det förväntade nominella värdet. Samt att en kronas ökning i en individs förmögenhet spelar större roll för en fattig person än för en rik (Jaldell & Svensson 2009). Von Neumann och Morgenstern använde sig av fyra axiom som definierar en rationell individ för att bygga teorin, de är: Fullständighet, Transitivitet, Kontinuitet och Oberoende (MacLean & Ziemba 2013; Thaler 2016).
• Fullständighet: För varje alternativ av två utfall A och B med sannolikheten π,
föredrar individen antingen A framför B, B framför A eller så finns det ingen skillnad mellan dem.
• Transitivitet: För alternativen A, B och C, om A > B > C måste också A > C
• Kontinuitet: För alternativen A, B, och C om A > B > C och det existerar en sannolikhet π. Finns det ett värde på π som gör att individen är likgiltig inför valet mellan att spela ett lotteri med sannolikheten att vinna πA + (1 − π)C eller välja att få B med säkerhet.
• Oberoende: För alternativen A, B, och C, om A > B med en sannolikhet π (0:1), och πA + (1 − π)C > πB + (1 − π)C
Om alla fyra axiom uppfylls kan preferensförhållandet uttryckas i form av en nyttofunktion och ett väntevärde av ett visst beslut kan på så sätt jämföras med alternativa beslut. En enkel form av den förväntade nyttofunktionen ges av ekvationen nedan (Varian 2014).
𝐸(𝑈) = 𝐸(𝑐1, 𝑐2, 𝜋1, 𝜋2) = 𝜋1𝑣(𝑐1) + 𝜋2𝑣(𝑐2)
Där E är väntevärdet, 𝑣 är nyttofunktionen, 𝑐1och 𝑐2 är den nya förmögenheten individen erhåller vid utfall 1 eller 2. Samt 𝜋1 och 𝜋2 som är sannolikheten för att respektive utfall ska inträffa. Ekvationen beräknar med andra ord den viktade genomsnittliga förväntade nyttan, väntevärdet, som beror på nyttan av varje utfalls förmögenhet och sannolikheten för respektive utfall (Varian 2014; Jaldell & Svensson 2009). Hur olika individer, med hjälp av väntevärdet, maximerar sin nytta kan därför förklaras med hjälp av individens riskpreferenser. Människor föredrar i hög utsträckning en lägre risk än en högre risk när det gäller en given avkastning, vilket innebär att individer är riskaverta. För en riskavert individ är nyttofunktionen konkav och marginalnyttan av en ökad intäkt är avtagande. Alla individer är dock inte riskaverta, det finns också de som är riskneutrala och risksökande. De risksökande individerna har en konvex nyttofunktion med en ökande marginalnytta och de riskneutrala individernas nyttofunktion är linjär och konstant ökande (Von Neumann & Morgenstern 2004).
Genom att använda den förväntade nyttofunktionen kan individers riskpreferenser enkelt definieras. Ponera att en person just nu äger 100 kronor och får chansen att vara med i ett lotteri med 50 % sannolikhet att vinna 50kr och 50 % sannolikhet att förlora 50kr. Förväntningen är då att personen med 50 % sannolikhet äger 150kr och med 50 % sannolikhet äger 50kr efter lotteriet är avgjort (Varian 2014). Ekvationen för den förväntade nyttan ser då ut på följande sätt:
𝑅𝑖𝑠𝑘𝑎𝑣𝑒𝑟𝑠: 𝑢(100) >1
2∗ 𝑣(150) +1
2∗ 𝑣(50)
En individ som är riskavert definieras av en avtagande marginalnytta i förhållande till ökande förmögenhet. Vilket innebär att individen får mer nytta av att gå från 1kr till 2kr än genom att gå från 50kr till 51kr
𝑅𝑖𝑠𝑘𝑛𝑒𝑢𝑡𝑟𝑎𝑙: 𝑢(100) =1
2∗ 𝑣(150) +1
2∗ 𝑣(50)
En individ som är riskneutral definieras av en konstant marginalnytta i förhållande till ökande förmögenhet. Vilket innebär att individen får lika mycket nytta av att gå från 1kr till 2kr som att gå från 50kr till 51kr
𝑅𝑖𝑠𝑘𝑠ö𝑘𝑎𝑛𝑑𝑒: 𝑢(100) <1
2∗ 𝑣(150) +1
2∗ 𝑣(50)
En individ som är en risksökare definieras av en ökande marginalnytta i förhållande till ökande förmögenhet. Vilket innebär att individen får mer mycket nytta av att gå från 50kr till 51kr än genom att gå från 1kr till 2kr.
Figur 3 - Riskaversion
Figur 4 - Riskneutral
Figur 5 - Risksökare
3.2 Begränsad rationalitet
I många ekonomiska val finns det dock en svårkalkylerad komplexitet av utfallen samt risker som är svårbedömda och problematiska att förutse, vilket uppdagas i den nobelprisvinnande teorin om begränsad rationalitet, av Herberts Simon, 1955. Där Simons (1997) menar att människan har begränsad tillgång till information och inte heller har förmågan att beräkna den information som ges tillgång. Simon (2000) menar med begränsad rationalitet att människor inte bara baserar sina val utifrån ett övergripande mål som de strävar efter att tillfredsställa med hjälp av all information som finns tillgänglig, utan att det också handlar om individens förmåga att samla in information, ha tillräckligt med kunskap för att förstå informationen och tillräckligt hög kognitiv förmåga att förstå alla konsekvenser av handlingar utifrån informationen. Till konsekvenser av handlingar ska risker för varje handling beräknas, även opåverkbara risker som är beroende av andra element. Hos en individ anses en sådan förmåga vara kraftigt begränsad. I stället påstår Simon (2000) att rationellt beteende, i den verkliga världen, påverkas av individens ”inre miljön” i sinne, minnesförmåga och dess förmåga att bearbeta information.
Samt den ”yttre miljön” i världen, som individen influensernas av.
3.3 Prospektteori
Allt eftersom psykologiska aspekter, som begränsad rationalitet, har börjat influera tankesättet i nationalekonomin har forskare med hjälp av ekonomiska experiment kunnat bevisa att människor inte alltid agerar på de rationella sätt de ekonomiska modellerna förväntar sig. En av de teorier som ifrågasatts är den förväntade nyttoteorin. Detta betyder inte att teorin i sig är för dålig för att användas utan att den i vissa avseenden kan ha svårt att mäta individers faktiska beteende (Jaldell & Svensson 2009).
I bruset av kritiken mot den förväntade nyttoteorin har den alternativa teorin, prospektteori, kommit att bli alltmer populär bland nationalekonomer. Teorin introducerades av Tversky och Kahnemann (1979) i ett försök att förklara människors faktiska val i verkligheten och bygger på effekterna:
• Säkerhetseffekten – Som innebär att individer har starka preferenser för säkra utfall
• Reflektionseffekten – Som menar att de flesta individer är risksökare när det handlar om förluster och riskavert till vinster. Samt att de flesta individer har en förlustaversion,
vilket innebär att de försöker undvika förluster, stora som små, och på så sätt får en risksökande attityd till förlust av pengar och en riskavert attityd till vinst av pengar.
Detta skapar i sin tur den S-formade nyttofunktionen i figur 6.
• Isolationseffekten – Utifrån en referenspunkt bedöms nytta med hänsyn till vinster eller förluster i stället för att se det till individens hela förmögenhet. Händelser delas också upp i delar för att sedan adderas ihop, vilket innebär att en individ som vinner 50kr samtidigt som han tappar 40kr, ser situationen som en minskning av nettonyttan eftersom nyttan av en vinst är värd mindre än den negativa nyttan (onyttan) av en förlust.
Som tidigare nämnt är prospektteorin en vidareutveckling av den förväntade nyttofunktionen, i och med det finns likheter mellan funktionerna men prospektteorin använder inte nyttan av individens förmögenhet utan nyttan av vinsten eller förlusten, utifrån en referenspunkt (0).
𝑉(𝑥, 𝑝; 𝑦, 𝑞) = 𝜋(𝑝1) ∗ 𝑣+(𝑥) + 𝜋(𝑞) ∗ 𝑣−(𝑦)
Där nyttofunktionen för vinsten, 𝑣+, skiljer sig mot nyttofunktionen för en förlust, 𝑣−, och 𝑥 motsvarar vinsten medan 𝑦 motsvarar förlusten. Dessutom använder funktionen individens subjektiva sannolikhet 𝜋(. ), vilket kan skilja sig från den objektiva sannolikheten (Jaldell &
Svensson 2009).
S-formade nyttofunktionen visar hur en individ som är riskavert inför val som genererar en positiv nytta, också kan vara risksökande när det är ett utfall som genererar en negativ nytta.
Figur 6 – S-formade nyttofunktionen Källa: (Jaldell & Svensson 2009)
4. Val av ränta
Det finns framför allt två val en bolånetagare står inför med avseende på den finansiella risken.
Det ena valet är amorteringshastigheten för återbetalning av bostadslånet till banken, detta sänker successivt belåningsgraden för hushållet och ses som en form av sparande, samtidigt som hushållets konsumtionsförmåga sjunker. Denna studie har inte för avsikt att behandla amorteringsbeteendet hos bolånetagarna utan kommer inrikta sig på det andra valet bolånetagarna står inför, vilket är valet av ränta. Låntagaren kan välja mellan rörlig ränta med en löptid på 3 månader eller bunden ränta med en löptid på 1, 2, 3, 4, 5, 7 eller 10 år. I denna studie förenklas räntevalet till antingen rörlig ränta, bunden ränta eller en mix av bunden och rörlig ränta. Eftersom räntan är en kostnad för bolånetagare kan det ses som att bolånetagare i regel får ett negativt kassaflöde, jämfört med att inte ha ett bostadslån.
Den traditionella nationalekonomin som antar att en individ är rationellt och alltid gör det val som ger mest nytta. Valet mellan rörlig och bunden ränta kan då väntas beror på tre aspekter (Hullgren 2010):
• Individens ekonomiska och psykologiska förutsättning, exempelvis hushållsinkomst, förmögenhet eller socialt nätverk
• Kostnadsdifferensen mellan den rörliga och bundna räntan
• Risken och konsekvensen att räntorna förändras efter individens val
Forskning visar dock att det människor har begränsad rationalitet och påverkas av yttre omständigheter. Vilket leder till att valet också påverkas av bolånetagarens upplevelse av räntan, med andra ord hur bolånetagare väljer att anta frågeställningen. Diaz m.fl. (2009) menar att detta går att rama in räntebetalningen på två olika sätt:
• Ett val mellan två negativa utfall (förluster) kopplade till osäkerhet.
• Ett val mellan att försäkra sig mot den rörliga räntans risk eller inte, genom att binda räntan. Där den högre kostnaden i form av differensen mellan den bundna och rörliga räntan kan ses som en försäkringspremie.
I och med att människor i allmänhet är risksökare inför negativa utfall (förluster) kommer de som ser valet som ett val mellan två negativa utfall agera mer risktagande och väljer rörlig ränta i högre utsträckning. Medan de som i stället ser valet som ett sätt att försäkra sig mot risk väljer den bundna räntan i högre utsträckning (Diaz m.fl. 2009).
5. Metod
5.1 Val av metod och datainsamling
Målet med denna studie är att med hjälp av olika faktorer kontrollera om det finns skillnader som påverkar bostadslånetagare i deras val av bindningstid samt undersöka om det skett beteendeförändringar i bolånetagare val med hänsyn till de den osäkerhet Covid-19 gett upphov till.
För att avgöra hur olika faktorer påverkar en beroende variabel som har värden med två kategoriska utfall används oftast en binär logistisk regression. Den logistiska kurvan passar bättre till denna typ av beroende variabler jämfört med en linjär regression eftersom den logistiska kurvan ger en sannolikhet mellan 0 och 1 medan en linjär regression kan anta värden över 1 och under 0. Den ger också tydliga indikationer på om en variabel ger en ökad eller en minskad sannolikhet att en händelse inträffar jämfört mot referenskategorin (Garson 2014).
Dessa värden kan representera en sann dikotomi som exempelvis kan vara död eller levande eller en tvungen dikotomi som kan dela upp längd i lång eller kort. I denna studie kollar vi efter faktorer som påverkar bolånetagarnas val av bolåneräntor och antar att det finns tre val av bindningstider för bolånetagare, fast, rörlig eller en mix av fast och rörlig bindningstid. Därför används en multinomial logistisk regressionsanalys som är en utökning av den binomiala logistiska regressionen i form av att den kan ta hänsyn till två eller fler beroende variabler.
5.2 Logistisk regression
Syftet med metoden som används i denna studie är att genom sannolikheter förstå skillnader mellan olika grupper och deras val av räntebindningstider, för att göra detta används som tidigare nämnt en multinomial logistisk regressionsanalys.
Jag använder mig i detta kapitel av Gujarati & Porter (2009) och Gerson (2014). För att förklara den logistiska modellen görs först den linjära regressionsmodellen om till en linjär sannolikhetsmodell.
𝑌𝑖 = 𝛽0+ 𝛽1𝑋𝑖 + 𝑢𝑖
Där 𝑌𝑖 är den beroende variabeln, 𝑋𝑖 är den oberoende variabeln och 𝑢𝑖 är felvariabeln.
Eftersom utfallsvariabeln, 𝑌𝑖, är binär och endast kan anta två värden, 1 eller 0, kommer regressionen i stället ge sannolikheten att händelsen inträffar (1) i förhållande till att den inte inträffar (0). I den linjära sannolikhetmodellen antas E(𝑢𝑖) = 0, detta ger:
𝐸(𝑌𝑖|𝑋𝑖) = 𝛽0+ 𝛽1𝑋𝑖
Ekvationen förenklas genom att sätta 𝜋𝑖 som sannolikheten att händelsen inträffar (𝑌𝑖 = 1), vilket i sin tur innebär att (1 − 𝜋𝑖) är sannolikheten att händelsen inte inträffar (𝑌𝑖 = 0).
Vilket ger oss 𝜋𝑖 = 𝐸(𝑌𝑖 = 1|𝑋𝑖), vidare innebär detta att den linjära sannolikhetsmodellen kan skrivas som:
𝜋𝑖 = 𝛽0+ 𝛽1𝑋𝑖
Där (𝜋𝑖) = sannolikheten för att 𝑌𝑖 = 1
Eftersom detta är en linjär modell och sannolikheten (𝜋𝑖) ökar linjärt med den oberoende variabeln (𝑋𝑖) kommer sannolikheten till slut överskrida 100% när (𝑋𝑖) → ∞. Dessutom är inte relationen mellan (𝜋𝑖) och (𝑋𝑖) linjära när den beroende variabeln är binär. Detta har fått kritik och i stället används oftast logistiska regressionsmodeller för att predicera binära beroende variabler. Den logistiska regressionsmodellen beskriver, i stället för sannolikheten, oddset för att händelsen inträffar, 𝑌𝑖 = 1. Ett odds bildas av sannolikheten att en händelse inträffar dividerat med sannolikheten att den inte inträffar och kan skrivas så här:
𝜋𝑖 = 𝑒( 𝛽0+𝛽1𝑋𝑖) 1 + 𝑒( 𝛽0+𝛽1𝑋𝑖)
Genom att göra om ( 𝛽1+ 𝛽2𝑋𝑖) till 𝑍𝑖 kan vi förenkla modellen till:
𝜋𝑖 = 𝑒𝑍𝑖 1 + 𝑒𝑍𝑖
Denna modell kallas den logistiska distributionsfunktionen. I detta stadie är 𝜋𝑖, icke linjär i förhållande till 𝛽𝑖 och 𝑋𝑖. Detta korrigeras genom att först byta ut sannolikheten att utfallet inträffar, 𝜋𝑖, till sannolikheten att utfallet inte inträffar 1 − 𝜋𝑖.
1 − 𝜋𝑖 = 1 1 + 𝑒𝑍𝑖
För att ta fram oddskvoten (Odds ratio) som är förhållandet mellan oddsen skrivs ekvationen om:
𝜋𝑖
1 − 𝜋𝑖 = 1 + 𝑒𝑍𝑖
1 + 𝑒−𝑍𝑖 = 𝑒𝑍𝑖
𝑂𝑑𝑑𝑠𝑘𝑣𝑜𝑡𝑒𝑛 = 𝜋𝑖
1 − 𝜋𝑖 = 𝑒𝑍𝑖
Oddskvoten (odds ratio) är alltså ett förhållande som räknas ut genom att oddset för att en händelse ska inträffa divideras med oddset för att händelsen inte ska inträffa. Oddsförhållandet är alltid ett positivt tal där 1,0 har ett förhållande 1:1 med referensvariabeln och den beroende variabeln, ett oddsförhållande på 1,0 har alltså inte någon annorlunda effekt på den beroende variabeln jämfört med referensvariabeln. Ett värde större än 1,0 innebär att sannolikheten att en händelse ska inträffa är större än att den inte ska inträffa och ett värde som är mindre än 1,0 betyder att sannolikheten att en händelse ska inträffa är lägre än att den ska inträffa. Desto längre ifrån 1,0 oddskvoten är desto större är effekten, detta gäller båda riktningar. Det är oddskvoten som oftast används för att tolka den logistiska regressionsmodellen. Men det finns ytterligare ett mått som är intressant vilket ges av att ta den naturliga logaritmen av ekvationen för oddsen och kallas för logiten:
𝐿𝑜𝑔𝑖𝑡𝑒𝑛 = ln ( 𝜋𝑖
1 − 𝜋𝑖 ) = 𝑍𝑖 → (𝛽0+ 𝛽1𝑋𝑖)
Det går där med att definiera logiten som den naturliga logaritmen för sannolikheten att en händelse inträffar dividerat med sannolikheten för att den inte inträffar, den är både är linjär i 𝑋𝑖 och i parametrarna och blir således det förväntade värdet av den beroende variabeln. Detta innebär att 𝛽𝑖 är en logitkoefficient i den logistiska regressionsmodellen.
5.3 Multinomial logistisk regression
Den multinomiala logistiska regressionen kan ta hänsyn till fler än två utfall av den beroende variabeln. Modellen fungerar som den logistiska regressionen med undantaget att ett av utfallen bildar en referenskategori och de andra utfallen beräknas i förhållande till referenskategorin.
Det är att föredra att sätta det utfallet som är vanligast som referenskategori dock går alla kategorier går att använda som referenskategori. Den multinomiala logistiska regressionen uttrycker oddskvoten på samma sätt som den logistiska regressionen med undantaget att den beroende variabeln uttrycks med (i – 1) där i är antalet kategorier i den beroende variabeln och 1 subtraheras för referensvärdet. Logiten följer samma mönster och nämnaren antar alltid samma värde (referenskategorin) medan täljaren byts ut beroende på vilken kategori av den beroende variabeln som mäta.
Referenskategorin i regressionen är rörlig ränta vilket innebär att logiten och oddskvoten för mix och bunden ränta, som presenteras i kapitel 7, är jämförda mot rörlig ränta. Ekvationerna ställs upp enligt följande:
Ekvation 1
𝐿𝑜𝑔𝑖𝑡𝑒𝑛(𝐵𝑢𝑛𝑑𝑒𝑛) = ln (𝜋(𝐵𝑢𝑛𝑑𝑒𝑛 𝑟ä𝑛𝑡𝑎)
𝜋(𝑅ö𝑟𝑙𝑖𝑔 𝑟ä𝑛𝑡𝑎) ) = 𝛽0+ 𝛽1𝑋1+ 𝛽2𝐷2+ 𝛽3𝐷3 + 𝛽4𝐷4+ 𝛽5𝐷5+ 𝛽6𝐷6+ 𝛽7𝐷7+ 𝛽8𝐷8+ 𝛽9𝐷9+ 𝛽10𝐷10+ 𝛽11𝐷11+ 𝛽12𝐷12+ 𝛽13𝐷13+ 𝛽14𝐷14+ 𝛽15𝐷15+ 𝛽16𝐷16+ 𝛽17𝐷17+ 𝛽18𝐷18+ 𝛽19𝐷19+ 𝛽20𝐷20+ 𝛽21𝐷21+ 𝛽22𝐷22+ 𝛽23𝐷23+ 𝛽24𝐷24+ 𝛽25𝐷25+ 𝛽26𝐷26+ 𝛽27𝐷27+ 𝛽28𝐷28+ 𝛽29𝐷29+ 𝛽30𝐷30
Ekvation 2
𝐿𝑜𝑔𝑖𝑡𝑒𝑛(𝑀𝑖𝑥) = ln (𝜋(𝑀𝑖𝑥 𝑎𝑣 𝑟ä𝑛𝑡𝑎)
𝜋(𝑅ö𝑟𝑙𝑖𝑔 𝑟ä𝑛𝑡𝑎) ) = 𝛽0+ 𝛽1𝑋1+ 𝛽2𝐷2+ 𝛽3𝐷3+ 𝛽4𝐷4 + 𝛽5𝐷5 + 𝛽6𝐷6+ 𝛽7𝐷7+ 𝛽8𝐷8+ 𝛽9𝐷9+ 𝛽10𝐷10+ 𝛽11𝐷11+ 𝛽12𝐷12+ 𝛽13𝐷13+ 𝛽14𝐷14+ 𝛽15𝐷15+ 𝛽16𝐷16+ 𝛽17𝐷17+ 𝛽18𝐷18+ 𝛽19𝐷19+ 𝛽20𝐷20+ 𝛽21𝐷21+ 𝛽22𝐷22+ 𝛽23𝐷23+ 𝛽24𝐷24+ 𝛽25𝐷25+ 𝛽26𝐷26+ 𝛽27𝐷27+ 𝛽28𝐷28+ 𝛽29𝐷29+ 𝛽30𝐷30
X1 = Räntedifferens D2 = Bostadsrätt D3 = Villa
D4 = Belåningsgrad 86–100 % D5 = Belåningsgrad 70–85 % D6 = Belåningsgrad 61–69 % D7 = Belåningsgrad 51–60 % D8 = Belåningsgrad 41–50 % D9 = Belåningsgrad 0–40 % D10 = Skuldkvot 551+
D11 = Skuldkvot 451–550 D12 = Skuldkvot 351–450 D13 = Skuldkvot 251–350 D14 = Skuldkvot 151–250
D15 = Skuldkvot 0–150 D16 = Ålder 0–24 D17 = Ålder 25–35 D18 = Ålder 36–45 D19 = Ålder 46–60 D20 = Ålder 61–75 D21 = Ålder 76+
D22 = Inkomst 1200001+
D23 = Inkomst 800001–1200000 D24 = Inkomst 600001–800000 D25 = Inkomst 450001–600000 D26 = Inkomst 350001–450000 D27 = Inkomst 0–350000 D28 = Fler än 1 låntagare (0) D30 = Efter 2020–03 (0)
Variabler till ekvation 1 och 2
5.4 Validitet
Begreppet validitet betyder giltighet och utgör tillsammans med reliabiliteten den tillförlitlighet som studien uppfyller. Validitet handlar om att undersöka det som studiens problemformulering syftar att undersöka och dess relevans. I denna kvantitativa datainsamling stärks validiteten genom att se till korrelationen mellan de undersökta variablerna (Eliasson, 2018). Trotts begränsad tid att arbeta med det insamlade datamaterialet har statistikprogrammet SPSS gjort det möjligt att använda en större mängd data som avser 152 295 unika händelser.
Då det insamlade datamaterialet avser nutida rådata från en av Sveriges största banker utgör innehåller ett exklusivt material som talar för en större population. Primärdata är inhämtat från en databas som sedan bearbetats i SPSS vilket bidrar till att trovärdigheten kan klassas som stark då insamlingen noga har preciserats.
6. Datahantering
För att komma fram till den empiriska analysen har en multinomial logistisk regressionsanalys genomförts. Datamaterialet uppsatsen använder sig av är baserad på alla nytagna bostadslån under den angivna perioden, hos en av de fem största bankerna i Sverige. Det insamlande materialet från januari 2016 till och med februari 2021 och innefattar alla bostadslån för bostadsrätter och villor inom banken. Antalet observationer uppgår till 152 295.
Det datamaterial som används i studien är insamlad månadsvis men förutom dummyvariabeln som visar de lån som är tagna efter mars 2020 tar inte studien hänsyn till säsongseffekter. Den aspekt som i stället är intressant att kolla på är korrelationen mellan valen av bindningstid och hur stor skillnad det är mellan den rörliga och bundna räntan, vilket denna studie har med som en variabel.
6.1 Variabler Beroende variabel
Y = Bindningstid fast ränta, rörlig ränta eller en mix av båda.
Den beroende variabeln i denna studie är ”bindningstider”, detta är en binär variabel som mäter valet av bindningstid hos de observerade bolånen. Jag har valt att använda mig av tre olika val vilket representerar ”Rörlig ränta”, ”Bunden ränta” och ”Mix” som representerar en blandning av både bunden och fast ränta. Valen av räntan är observerade den dagen låntagaren får lånet utbetalat, uppsatsen tar alltså inte hänsyn till om låntagaren har bytt bindningstid i efterhand.
En låntagare kan välja att dela upp sitt lån i olika mindre lån för samma ärende, detta gör att individen lättare kan korrigera sin bindningstid när den vill. I denna uppsats har de lån som är uppdelade i fler än ett lån redigerats till endast ett lån om de olika lånens räntebindningstid sett likadan ut för alla poster. Om ärendet i stället haft två olika bindningstider för samma objekt där låntagaren valt att binda ett av lånen och låta det andra lånet löpa rörligt ses lånet i stället som en ”Mix”. Detta innebär:
Bundet + Bundet = Bunden ränta Rörligt + Rörligt = Rörlig ränta Bundet + Rörligt = Mix
Det finns också ärenden som är uppdelade i fler än två lån för samma objekt, i de fallen tillämpas samma princip. Uppsatsen tar inte hänsyn till hur stor del av lånen, i ärendena med fler än ett lån, som är bundet eller rörligt.
Oberoende variabler Ålder
I denna studie är åldern baserad på den person i hushållet som har den högsta åldern när lånet togs, i hushåll där fler än en person är medlåntagare räknas alltså åldern för den som är äldst.
De flesta hushåll med fler än en låntagare faller dock under samma åldersintervall, och det är mindre än 1% av alla hushåll som om den yngsta åldern i stället räknades, skulle bytt intervall.
Den data som används innehåller dock bara bolånetagare vars ålder överstiger 18 år.
Åldersvariabeln är indelad i intervall vilka utgörs av dummyvariabler, variablerna kan antingen anta värdet 1 eller 0 där värdet 1 innebär att variabeln uppfyller villkoret. Intervallen är uppdelade enligt följande: 0–24, 25–35, 36–45, 46–60, 61–75 och 76+.
Skuldkvot
Skuldkvoten visar hur många gånger större ett lån är i förhållande till hushållets årliga bruttoinkomst. Denna variabel är baserad på hushållets totala årsinkomst. Det innebär att i ett hushåll med två låntagare räknas båda låntagarnas lön. En avgränsning är gjord för de hushållen med fler än två låntagare, dessa har uteslutits i alla beräkningar för att inte få orimligt höga inkomster. En maxgräns på 1000 är satt för skuldkvoten vilket är ytterligare en avgränsning för denna variabel, då en skuldkvot på 1000 innebär att hushållet har lånat 10 gånger sin egen bruttoinkomst vilket endast sker i specialfall och de faller inte inom målet med studien att analysera de fallen.
Skuldkvotvariabeln är indelad i intervall vilka utgörs av dummyvariabler, variablerna kan antingen anta värdet 1 eller 0 där värdet 1 innebär att variabeln uppfyller villkoret. Intervallen är uppdelade enligt följande: 0–150, 151–250, 251–350, 351–450, 451–550 och 551+
Belåningsgrad
Denna variabel definierar hur stor andel av ett objekt (bostadsrätt eller villa) som består av lånat kapital. Belåningsgraden kan anta värden mellan 0–100.
Belåningsgradsvariabeln är indelad i intervall vilka utgörs av dummyvariabler, variablerna kan antingen anta värdet 1 eller 0 där värdet 1 innebär att variabeln uppfyller villkoret. Intervallen är uppdelade enligt följande: 0–40, 41–50, 51–60, 61–69, 70–85 och 86–100.
Objektskategoridummy
Variabeln beskriver om observationer är en bostadsrätt eller villa. Belåningsgradsvariabeln är indelad i intervall vilka utgörs av dummyvariabler, variablerna kan antingen anta värdet 1 eller 0 där värdet 1 innebär att variabeln uppfyller villkoret.
Fler än 1 låntagare
Denna variabel beskriver om det är fler än en person som tar lån och är utförd som en dummy.
Variabeln kan antingen anta värdet 1 eller 0, där 0 innebär att det är fler än en låntagare.
Maxgränsen för antal låntagare är satt till max två personer, för att inte få med hushåll med flera medlåntagare.
Efter 2020–03
Denna variabel är utformad som en dummyvariabel som beskriver om det finns någon skillnad i beteende före Covid-19 och efter. Efter Covid-19 är satt till alla perioder efter 2020-03-01 för att ta hänsyn till ett visst eftersläp vad gäller konsekvenserna av Covid-19. Variabeln antar värdet 1 eller 0, där värdet 0 innebär att observationen ligger i tidsperioden efter 2020-03-01.
Räntedifferensen
Denna variabel mäter differensen mellan den rörliga räntan och bundna räntan (2 år), mätt i procentenheter. Variabeln tar ett nytt värde varje gång den rörliga räntan förändras eller 2års
