Análisis del estudio Housing Price Research, de Jingyi Guo y Junwu Wang
Alondra I. Huerta, Michelle Romero, Victor Fernandez, Sabina Martin, Julia Martinez
2025-03-04
Housing Price Research Based on System Dynamics Model
Es un estudio realizado en China que analiza el mercado inmobiliario, enfocado principalmente en el comportamiento de los precios de la vivienda. Esto resulta relevante ya que en el país se ha tenido una alta actividad en el mercado inmobiliario, lo que ha vuelto el precio de las viviendas comerciales, así como la expansión desmedida de las mismas, un asunto de interés común.
El análisis de la problemática se realizó mediante un modelo de sistema dinámico construido con el software Vensim DSS. Dicha técnica permitió reflejar las relaciones complejas entre las distintas variables que interactúan con el precio de la vivienda. Asimismo, permitió realizar experimentos donde se simulan los resultados de distintas políticas públicas, lo que resultó en recomendaciones de política basadas en la efectividad estimada de las mismas, lo cual era el objetivo del estudio.
Modelo
El modelo se basa en cuatro factores clave: la demanda de vivienda, que es influenciada por el crecimiento de la población y el acceso a créditos; la oferta de vivienda, determinada por la inversión y la disponibilidad de terrenos; el precio de la vivienda, que es el resultado del equilibrio entre oferta y demanda; y el costo de desarrollo, que incluye impuestos, tasas de interés y materiales de construcción.
Para simular el comportamiento del mercado, el modelo utiliza ecuaciones matemáticas. Por ejemplo, una de estas ecuaciones calcula el número de viviendas que no se venden en función del porcentaje de preventa, mientras que otra busca estimar cómo la inversión en infraestructura impacta en el desarrollo inmobiliario. La precisión del modelo se verificó comparando sus resultados con datos históricos del período 2003-2017, obteniendo un margen de error inferior al 10%, lo que lo califica como confiable para predecir tendencias futuras.
Las simulaciones permitieron evaluar el impacto de distintas políticas públicas en el precio de la vivienda. Encontraron que reducir el precio del suelo puede disminuir el costo de las viviendas hasta en un 18.66%, bajar impuestos a los desarrolladores reduce los precios en un 1.31% pero afecta la recaudación fiscal, y regular el crecimiento poblacional tiene un impacto menor, con una reducción de sólo 0.14% en los precios.
El estudio concluye que el control del precio del suelo y la regulación fiscal son las herramientas más efectivas para estabilizar el precio de la vivienda. Usar modelos de simulación como este ayuda a prever el impacto de las políticas públicas y tomar mejores decisiones para el desarrollo urbano.
Análisis de Resultados
Los resultados del modelo demostraron ser fiables y aptos para su uso predictivo dado a su consistencia con los años anteriores y por venir. Al simular la dinámica de precios inmobiliarios, el modelo acertó en simular los cambios en forma de “S”; crecimiento lento del 2011-2015, subida acelerada del 2015 al 2021, para luego regresar a un ritmo más lento del 2021 en adelante como se ha estado proyectando. En las simulaciones de oferta y demanda totales, los resultados mostraron ser consistentes con la tendencia de crecimiento para ambas (lineal con la oferta y exponencial con la demanda) así como el futuro desarrollo económico de Wuhan.
Comprender estos resultados va más allá de identificar las políticas que tienen mayores cambios en sus respectivas simulaciones esperando acercarnos a nuestro objetivo. Estudiar la estructura del modelo (y por ende del problema público) ayuda a no dar por sentadas cuestiones que reflejan la complejidad del mismo. Por ejemplo con la política del territorio, tras estudiar el modelo podemos entender que regular el precio del territorio sí tiene impacto en el precio de las viviendas, sin embargo reconocemos que el territorio es un bien limitado y por cuestiones económicas ante menor oferta de un bien mayor su precio. Por lo tanto en la toma de decisiones es necesaria la cautela y el razonamiento crítico para llegar a las decisiones más sostenibles a través del tiempo.
Recomendaciones
A partir de los resultados del modelo, se pueden implementar una serie de estrategias de intervención gubernamental con el objetivo de estabilizar los precios de la vivienda y garantizar su accesibilidad de manera equitativa. Se nos presentan tres recomendaciones para la regulación del precio de la vivienda:
Regulación de la tasa de natalidad (regulación de la demanda)
Esta política busca regular el crecimiento poblacional mediante la planificación familiar y la permisividad del segundo hijo, impactando el mercado inmobiliario. Una baja tasa de crecimiento poblacional, reduce la presión sobre la demanda y estabiliza el mercado inmobiliario. Por otro lado, si se incrementan los nacimientos, a largo plazo habrá mayor demanda, y por lo tanto, un alza en los precios de las viviendas. Además de la natalidad, factores como el acceso a crédito o la migración también afectan la demanda, especialmente en una ciudad atractiva como Wuhan. Esta política podría ser efectiva a largo plazo ya que sus resultados son lentos pero tiene una clara incidencia en el sector inmobiliario.
Regulación del precio del suelo
El suelo es un recurso limitado y su precio impacta directamente en el costo final de una vivienda. Esta es una política más directa por el nivel de incidencia del gobierno. Un aumento en el precio de la tierra, elevaría los costos de construcción y el precio total de la vivienda y viceversa. Y sí, si se reduce el precio de la tierra, se disminuyen los precios de construcción pero si se reduce demasiado, puede desincentivar nuevos proyectos, generando escasez de vivienda y una alza de precios. En China, el suelo es una fuente importante de ingresos fiscales para los gobiernos locales por lo que esta política debe balancearse con políticas de sostenibilidad fiscal.
Política fiscal para desarrolladores
El estudio indica que una carga fiscal sobre los desarrolladores afecta los precios de la vivienda. El reducir impuestos, baja el precio de la vivienda, pero si baja demasiado, se afecta la recaudación fiscal e incluso podría generar un crecimiento insostenible. Aumentarlos, subiría los costos de construcción y los desarrolladores trasladan esos costos a los compradores, además de que reduce el incentivo de construir. Dado que los desarrolladores necesitan margen de ganancia, esta política debe ser gestionada cuidadosamente. Es viable ya que el gobierno tiene la capacidad de ajustar las tasas de impuestos.
La política de suelo y la política fiscal son los principales métodos de regulación. Si se implementan correcta y equilibradamente, estas políticas podrían conducir a una estabilización de los precios de vivienda al reducir tanto la especulación, fluctuación de precios, así como la presión inflacionaria.
Críticas
En el documento de vivienda, se plantea de manera clara el análisis de factores como la oferta y demanda del sistema. Esta relación económica, la manejan de manera acertada, ya que crean solo tres subsistemas de causalidades que permiten al lector entender de manera clara al mercado inmobiliario, sin complicar su explicación. Otro aspecto a resaltar es la estática comparativa; es decir, los comportamientos de la simulación frente a políticas de población, políticas de suelo y políticas fiscales.
Dicho lo anterior, es necesario mencionar que varios aspectos del mercado de vivienda comercial en china, tiene tanto aspectos negativos como positivos. Por ejemplo:
Subsistemas
Positivo: Se toman bases de datos como el Anuario Estadístico de Wuhan (2003 - 2017) que explica como la cantidad de viviendas construidas en Wuhan aumentó significativamente desde el 2003, aproximadamente 10 millones de metros cuadrados de viviendas, teniendo un impacto significativo en los precios. Por esta razón, resultó relevante que se construyeran subsistemas de Oferta, Precios y Suelo
Negativo: Aunque la variable de la Oferta es relevante para el mercado inmobiliario. También se considera importante modelar de manera explícita el subsistema de la demanda, para contemplar factores como las preferencias o políticas de estilo migratorias. Sin embargo, en el caso de Wuhan, la mayoría de las políticas se centraron en la oferta de las viviendas, lo cual es relevante ya que es la oferta tiene un efecto directo en los precios.
Predicción / simulaciones
Aunque se presentaron resultados favorables con un error relativo del 10% (por cada variable), es necesario cuestionar el contexto político y económico de China en ese periodo. Existen varias fuentes, que rescatan que China y su sector de la construcción tuvo un Plan de estímulos para contrarrestar la crisis financiera mundial, lo cual explica el crecimiento sostenido. Sin embargo, si el modelo se extiende, es posible que no se ajuste de manera adecuada, ya que no se encuentra dentro del supuesto de “un mercado inmobiliario estable” (ROGOFF & YANG , 2024).
Tomando en cuenta lo anterior, se considera un modelo acertado para el entendimiento del mercado inmobiliario, ya que aunque no se hace un referencia explícita a la demanda. Se explica porqué la oferta es una mejor variable para hacer las predicciones. Lo que puede derivar a un entendimiento de bienes y servicios de otros sectores.