Professional Documents
Culture Documents
Zaverecna Prace
Zaverecna Prace
Zaverecna Prace
Disertační práce
2
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Poděkování
Děkuji vedoucímu disertační práce prof. Ing. Miloši Maříkovi, CSc. za pomoc a rady, které mi
poskytoval v průběhu doktorandského studia. Rád bych poděkoval také Ing. Josefu Rajdlovi, Ph.D.
za cenné rady ke statistickému modelu a Ing. Barboře Rýdlové, Ph.D. za pomoc a cenné rady, které
mi poskytla při řešení této práce. Velmi děkuji také oběma oponentům a všem kolegům z Katedry
financí a oceňování podniku za komentáře k této práci.
Obrovské poděkování patří mé manželce Lence a dcerce Adě za trpělivost a shovívavost v období
celého studia.
Prohlášení
Prohlašuji, že disertační práci na téma „Predikce vývoje trhu s průmyslovými nemovitostmi pomocí
indexu tržní hodnoty“ jsem vypracoval samostatně. Použitou literaturu a podkladové materiály
uvádím v přiloženém seznamu literatury.
…………………………………
Ing. Jaroslav Kaizr, MSc. MRICS
3
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Název disertační práce – Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexů tržní hodnoty
Abstrakt
Účelem disertační práce je predikce budoucího vývoje trhu s průmyslovými nemovitostmi pomocí indexu
tržní hodnoty. Disertační práce přináší inovaci v konstrukci indexu tržní hodnoty průmyslového prostoru,
který je vhodný pro rozvíjející se trhy s nedostatkem tržních dat. Originálním prvkem je sada dalších tří
indexů, které sledují uživatelskou a developerskou pozici na trhu s prostory a výnosnost vlastního kapitálu
a které dotvářejí komplexní obrázek modelu nemovitostního trhu. Lineární regrese byla použita při analýze
vztahu indexů trhu s průmyslovými prostory s nezávislými makroekonomických veličinami, které byly
doplněny o Index důvěry v průmysl jako měřítka očekávání budoucí výkonnosti hospodářství. Analýza ex
post byla provedena v rámci jednoho nemovitostního cyklu od roku 2008 do roku 2018. Pro ex-ante ověření
správnosti modelu byly očekávané hodnoty indexů porovnány s jejich skutečnými hodnotami v první
polovině roku 2019. Model byl testován pomocí srovnání očekávané a skutečné velikosti poptávky a nové
výstavby v prvních dvou kvartálech 2019. Na základě regresních funkcí byl proveden odhad vývoje trhu
s průmyslovými prostory do prvního čtvrtletí roku 2020. Citlivostní analýza umožnila predikci stavu trhu až
do čtvrtého čtvrtletí 2020.
Klíčová slova: komerční nemovitost, průmyslová nemovitost, tržní indexy, chování trhu, cenotvorba
JEL klasifikace: D470
Title of the Dissertation Thesis - Industrial real estate market forecast based on market value index
Abstract
The purpose of the dissertation is to predict the future development of the industrial real estate market
using market value index. The study brings innovative approach to development of industrial space market
value index suitable for markets with insufficient market data. Original feature of the study is set of three
other indices which monitor negotiation positions of users and developers on the industrial property market
and internal rate of return of invested equity. Linear regression model is used to analyse the relationship
between the industrial real estate market indices and independent macroeconomic variables including
industrial sentiment index as a measure of expected economic performance. The ex-post analysis was
conducted within real estate market cycle from 2008 until 2018. Expected values of the indices were
compared with their actual values in ex-ante analysis during the first two quarters of 2019. The market model
was tested by ex-ante analysis of actual gross take up and new supply during the first two quarters of 2019.
Forecast of the Czech industrial space market evolution is concluded based on regression model for the
period from the third quarter 2019 until the first quarter 2020. Sensitivity analysis allowed prediction of the
industrial real estate market status up to the fourth quarter 2020.
Key words: commercial property, industrial real estate, market indices, market behaviour, price formation
JEL classification: D470
4
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
5
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Obsah:
6
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
7
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
1. Úvodní část
1.1. Úvod
Trh s komerčními nemovitostmi, jak jej známe z vyspělých ekonomik, se v Česku začal formovat
až na přelomu tisíciletí. V počátku se rozvíjel pozvolna aktivitou zahraničních nájemců, developerů
a investorů, aby v roce 2008 padnul společně s ostatními světovými trhy v důsledku finanční krize.
Druhý nemovitostní cyklus českého trhu s nemovitostmi zaznamenal obnovený růst od roku 2014,
který se zdá být na pevnějších základech českého kapitálu a jehož konec lze spatřovat v současné
pandemii COVID-19.
Zkušenosti ze zahraničí ukazují, že pro svůj další rozvoj ve třetím cyklu, na jehož jsme začátku,
potřebuje český trh s komerčními nemovitostmi dostatek kvalitních a spolehlivých informací, které
by zajistily efektivní průběh transakcí mezi jeho účastníky a které by byly podloženy odbornou
literaturou.
8
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Domnívám se, že průmyslové nemovitosti jsou výzkumem v plné jejich šíři opomíjeny, jelikož
západní, a především anglosaské, trhy, kde je výzkum nemovitostí obecně nejdál, jsou primárně
zaměřeny na podporu konzumní společnosti orientované na obchod a služby, nikoliv na výrobu,
která je již několik desetiletí systematicky přemisťována do regionů s levnější pracovní silou.
Výzkum tudíž dosud tíhne k sektorům, které mají ve společnosti preferenci a jsou v jejím zájmu,
tedy k rezidenčním, kancelářským, maloobchodním a případně logistickým nemovitostem.
Jsem přesvědčen, že průmyslové nemovitosti jsou díky své standardizaci ideálním předmětem
výzkumu na trhu komerčních nemovitostí jako celku. Každý metr čtvereční průmyslové plochy má
v moderních halách stejnou specifikaci, haly technologicky zastarávají pomalu a příjem
z nájemného je s ohledem na délku nájemních smluv stabilní. Průmyslová nemovitost je na rozdíl
od prostorů v ostatních nemovitostních segmentech úzce svázána s přidanou hodnotou, která se
vytváří v provozech v ní umístěných a kterou lze kvantifikovat a přepočíst na každý metr čtvereční
její plochy. Vytváří se tím měřítko produktivity a efektivity prostoru, jehož tržní hodnota je více
než v minulosti odvozována i od kvality nájemce a jeho předmětu činnosti. Tyto vlastnosti
průmyslových nemovitostí vytváří výborný podklad pro analýzu tržní hodnoty a jejího chování
v čase. Je český trh s průmyslovými nemovitostmi vhodným místem analýzy?
Dle mého názoru historie, lokalita, velikost a struktura českého trhu s průmyslovými nemovitostmi
mají ideální parametry pro výzkum tržní hodnoty, jejího stanovení a chování tržních subjektů v její
souvislosti. Vhodnost českého trhu pro výzkum podtrhuje důležitost práce oceňovatelů, kteří na
českém trhu hrají klíčovou roli při stanovení tržní hodnoty jednotlivých nemovitostí a jejich
portfolií. Obchody probíhající na českém kapitálovém trhu totiž mají malou četnost, nikoliv
z důvodu nízké likvidity ale z důvodu koncentrace vlastnictví v rukou omezeného počtu hráčů, což
v kombinaci se specifičností obchodů vytváří podhoubí pro značné výkyvy transakčních cen.
Jedině znalec pohybující se dlouhodobě na trhu dokáže odfiltrovat tržní šum obsažený
v transakčních cenách, aby dospěl k podkladové tržní hodnotě.
9
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Oceňovatelé, snažící se při své práci zachytit tržní hodnotu konkrétní nemovitosti v místě
k určitému okamžiku, se tudíž řídí zkušenostmi a informacemi, které si předávají lokální pobočky
nadnárodních poradenských společností, jejich experti nebo jejich asociace. Informace se předávají
ve formě základních podmínek konkrétních transakcí anebo ve formě odhadu tržní hodnoty
nejlepší, tzv. prime, nemovitosti na trhu. Domnívám se, že nemovitostní indexy jsou vhodným
nástrojem prezentace tohoto specifického know how o chování trhu širší odborné i laické
veřejnosti, a že jejich existence zlepší likviditu i funkčnost trhu jako celku. Konstrukce takových
indexů v českém prostředí je s ohledem na kvalitu a množství dostupných informací komplikovaná.
Zahraniční odborná literatura detailně zkoumá odstranění zkreslení (v angličtině „bias“) z indexů,
jako jsou nesynchronnost nebo vyhlazení, které se z různých důvodů v indexech vyskytují, cíleně
se ale nevěnuje chování jednotlivých skupin hráčů na trhu v souvislosti s tržní hodnotou
nemovitostí vyjádřenou indexem. Dle mého názoru výzkum chování tržních hráčů je klíčem k
pochopení současného a k predikci budoucího vývoje než technická analýza vývoje indexů
založených na transakčních cenách nebo na oceněních individuálních nemovitostí.
Považuji za důležité, aby se výše uvedené přínosy indexů projevily v české praxi průmyslových
nemovitostí v souvislosti s přenosem informace o trendech tržní hodnoty z úzkého kruhu znalců
v nadnárodních společnostech ke znalcům v regionech, kteří budou schopni použít tuto informaci
při ocenění nemovitostí na místní úrovni.
Na rozvíjejících se trzích, jako je trh český, je nedostatek informací limitem, který funkci
investičního trhu ztěžuje (Fuerst et al, 2015) a v konečném důsledku může znamenat například
neefektivní rozdělení investic do nemovitostí dle typu nebo lokality. Důsledkem je i nouze o
investiční příležitosti a obecně menší množství investičního kapitálu v nemovitostech než
na rozvinutých trzích, a tudíž i nižší likvidita a hodnota celého trhu.
Praxe ukazuje, že znalci mají jasnou představu o nejlepším pronajatém prostoru na trhu v daném
regionu a v daném okamžiku a umí takovému prostoru přiřadit konkrétní očekávanou výši
základního nájemného (v angličtině „base rent“) a tržní hodnoty, které zveřejňují formou
pravidelných reportů. Nejlepší pronajatý prostor na trhu není prostorem v určité nemovitosti, jde
o ideu nejlepšího pronajatého prostoru, který je k danému okamžiku definován technickými a
obchodními standardy, velikostí a lokalitou. Ocenění ostatních nemovitostí v regionu ke
konkrétnímu okamžiku probíhá porovnáním atributů určité nemovitosti vůči představě tržní
hodnoty nejlepšího pronajatého prostoru. Základní nájemné a tržní hodnota nejlepšího
pronajatého prostoru jsou vždy vyšší, než jsou základní nájemné a tržní hodnota jakéhokoliv
prostoru v obdobném standardu v určité nemovitosti ve stejném regionu a ke stejnému okamžiku.
Určitá nemovitost svými specifiky snižuje tržní hodnotu prostoru v ní ve srovnání s tržní hodnotou
nejlepšího pronajatého prostoru na trhu. Rozdíl tržní hodnoty nejlepšího pronajatého prostoru a
tržní hodnoty prostoru v určitě nemovitosti, resp. tržní hodnoty určité nemovitosti, lze vyjádřit
pomocí rozdílu základního a efektivního nájemného (v angličtině „effective rent“) a úpravou
kapitalizační míry o rizikovou prémii. Tímto způsobem tržní hodnota nejlepšího pronajatého
prostoru definuje tržní hodnotu určité nemovitosti. Sledujeme-li tudíž tržní hodnotu nejlepšího
pronajatého prostoru na trhu, sledujeme tím i vývoj celého trhu, přitom není nutná rozsáhlá
databáze konkrétních nemovitostí, a proto je tento model aplikovatelný na jakémkoliv standardně
fungujícím trhu včetně trhu českého. Lze dohledat informace o vývoji tržní hodnoty nejlepšího
pronajatého prostoru v praxi českého trhu?
Ano, domnívám se, že lze. Poradenské společnosti a jejich asociace, které se pohybují na trhu
s průmyslovými nemovitostmi a které se zabývají oceněním nemovitostí, poskytují čtvrtletní
přehledy o nejlepším základním nájemném a nejlepších kapitalizačních mírách na trhu, jejich
11
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
kombinací lze získat představu o nejlepším pronajatém prostoru na trhu. Analýza obsažená v této
studii je založena na těchto veřejných informacích a popsána ve třetí části disertační práce.
Cílem disertační práce je analýza historického vývoje a predikce budoucího vývoje tržní hodnoty
průmyslových nemovitostí pomocí indexu tržní hodnoty nejlepšího pronajatého průmyslového
prostoru na rozvíjejícím se trhu s nedostatkem dat, za který lze český trh považovat. Za účelem
dosažení vytčeného cíle disertační práce je vytvořen tržní model, ve kterém je oddělena tržní
hodnota nejlepšího pronajatého průmyslového prostoru na trhu od tržní hodnoty průmyslové
nemovitosti.
Ambicí je použití zkonstruovaných indexů v praxi pro jednoduše pochopitelný a názorný přenos
informací o tržní hodnotě nejlepšího průmyslového prostoru do investorské a znalecké obce na
regionální úrovni, kde tato informace pomůže investorům a oceňovatelům k odvození tržních
hodnot průmyslových nemovitostí.
12
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- indexu uživatelské pozice, který sleduje pozici nájemců poptávajících prostor na trhu;
- indexu developerské aktivity, který sleduje pozici developerů dodávajících nové prostory
na trh;
- indexu výnosnosti vlastního kapitálu, který sleduje vývoj výnosnosti vlastního kapitálu
investorů;
- indexu tržní hodnoty průmyslového prostoru, který je agregátním měřítkem trhu.
Jaké faktory ovlivňují vývoj těchto indexů? V páté části této práce je použita regresní analýza
k potvrzení souvislosti s makroekonomickými ukazateli a s indikátorem očekávání, jelikož
očekávání je integrální součástí stanovení současné tržní hodnoty. Výsledný model trhu
zkonstruovaný na základě indexů je v empiricko-analytické části podroben ex-post regresní analýze
vývoje v souvislosti s indikátory národního hospodářství a s indikátory očekávání. Následná analýza
ex-ante je použita pro ověření správnosti zkoumané hypotézy porovnáním hodnot indexů
vypočtených z regresních modelů s hodnotami vypočtenými z reálných dat. Reálnost hypotézy je
zkoumána i pomocí srovnání vypočtených a skutečných hodnot hrubé poptávky a nové výstavby
průmyslových prostor. Regresní modely a citlivostní analýza jsou použity pro střednědobou
predikci vývoje trhu.
V závěrečné části budou nastíněny možnosti dalšího výzkumu. V každém případě je důležité
pracovat na pravidelně doplňované databázi průmyslových nemovitostí, která bude sledovat
veškeré základní vlastnosti každé nemovitosti včetně pravidelně doplňovaných informací o tržní
hodnotě nemovitostí získaných z ocenění těchto nemovitostí nebo z transakcí s nimi poskytnutých
na bázi dobrovolnosti. Databáze by přinesla další materiál pro studium tržní hodnoty. Do té doby
bude vhodné alespoň zajistit objektivizaci zjištění tržní hodnoty nejlepšího prostoru na základě širší
spolupráce expertů v oboru. Indexy by v takovém případě byly odvozeny od indikací všech znalců,
kteří se zabývají tržním oceňováním průmyslových nemovitostí.
14
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
První část druhé kapitoly je věnována literatuře, která se zabývá modely trhu s nemovitostmi a
modely indexů tržní hodnoty nemovitostí a indexů nájemného (základního i efektivního)
v komerčních nemovitostech. Druhá část je věnována literatuře týkající se specifických vlastností
průmyslových nemovitostí a trhu s nimi, jelikož průmyslové nemovitosti jsou svébytnou kategorií
komerčních nemovitostí, a jejich charakteristice je nutno analýzu přizpůsobit.
Nemovitostní trhy nejsou tudíž informačně stejně efektivní v pojetí efektivnosti trhu dle Fama
(1970) jako trhy ostatních, standardizovanějších, aktiv, a proto je předpoklad nepředvídatelnosti
vývoje v případě výnosů z nemovitostí v rozporu se skutečností. Tržní hodnota komerčních
nemovitostí se totiž přizpůsobuje tržním informacím líně a pomalu, nevyhoví proto často ani
efektivnosti ve slabé formě (Fisher et al, 1994). Atteberry a Rutherford (1993) dochází ke stejnému
závěru i pro případ trhu s průmyslovými nemovitostmi, jelikož transakční ceny dle jejich zjištění na
tomto trhu nereflektují informace dostupné v minulosti.
K dovršení těžkostí při sestavování indexu tržní hodnoty nemovitostí, obchody s nemovitostmi
probíhají s malou frekvencí a nepravidelně. V případě medvědího trhu vlastníci nemovitostí
mnohdy dokonce přestanou prodávat a objem transakcí klesá na minimum (Bokhari a Geltner,
15
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
2010), poklesy tržní hodnoty přichází pomaleji než růsty (a právě proto jsou investice do
nemovitostí stabilní a vyhledávané – pozn. autora). Poptávka na investičním nemovitostním trhu
se pohybuje rychleji než nabídka a objem transakcí je proměnlivý a silně procyklický. Objem
transakcí, který odráží likviditu trhu, se totiž pohybuje o něco dříve než cena, nicméně se pohybuje
stejným směrem. V této souvislosti je nutno si uvědomit, že volatilita a cykličnost pohybů tržních
hodnot nemovitostí je spíše dána pohyby na kapitálových trzích než pohyby základního
nájemného, resp. pohyby čistých provozních příjmů z nemovitosti (Chaplin, 1997). Základní
nájemné je smluvně zafixováno na období několika let (na trhu s průmyslovými nemovitostmi jsou
standardně nájemních smlouvy podepisovány na 5 a více let – poz. autora) s indexační doložkou (v angličtině
„indexation clause“) a je očištěno o náklady spojené s provozem. Případné výkyvy dané poptávkou
a nabídkou na trhu s prostory jsou často kompenzovány vyšší či nižší úrovní pobídek poskytnutých
pronajímateli nájemcům ve formě nájemních prázdnin či příspěvků na dovybavení. Volatilita tržní
hodnoty nemovitosti je tudíž dána kapitálovým trhem, který reaguje rychleji na změny v celé
ekonomice, než na ně reagují nájemní vztahy a nájemní podmínky.
Většina nemovitostních indexů je dostupná na čtvrtletní nebo roční bázi, existují i indexy na bázi
měsíční, kratší frekvence není s ohledem na nedostatek evidence možná. Dle Geltner a Ling (2006)
existuje při konstrukci indexu tržní hodnoty nemovitostí směna mezi frekvencí indexu a tzv.
šumem (v angličtině „transaction price noise“), který vyplývá buď z nahodilosti nebo z rozdílu mezi
transakčními cenami a tržní hodnotou. Konstrukce nemovitostního indexu musí zohlednit
frekvenci jeho vykazování. Vyšší frekvence na jednu stranu znamená aktuálnější informace
v průběhu kratšího období, na druhou stranu znamená i vyšší šum, a vice versa (Fuerst et al 2015).
Indexy s vyšší frekvencí sice umožňují provést sofistikovanější ekonometrickou analýzu, proto jsou
důležité pro rozvíjející se trhy, na kterých jsou k dispozici jen krátké časové řady, ale znamenají i
vyšší chybovost vůči tržní hodnotě. Bokhari a Geltner (2010) přišli ve své studii s metodou
konverze indexu s malou frekvencí na index s vyšší frekvencí pomocí matic a uzavírají, že období
s vyšším objemem transakcí by v indexu mělo mít vyšší váhu než období s menším objemem
transakcí.
Dle Geltner (2014) jakýkoliv index tržní hodnoty nemovitostí musí odrážet i objem transakcí,
jelikož jeho vývoj by byl jinak nesrovnatelný mezi býčím a medvědím trhem. Velikost databáze
nemovitostí má svůj vliv na kvalitu indexu, přičemž vypovídací schopnost indexu a velikost vzorku
souvisí s velikostí zkoumaného regionu. Menší velikost regionu bude sice znamenat vyšší přesnost
indexu (Boudry et al, 2012), na druhou stranu bude narážet na dostatek relevantních transakčních
dat, jelikož ve větším regionu je značná šance, že se poptávka a nabídka potkají, a četnost transakcí
16
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
je zde tudíž vyšší. Boudry et al (2012) potvrzují, že menší počet pozorování v rámci jimi
konstruovaného transakčního indexu způsobuje jeho vyšší volatilitu. S ohledem na tento fakt je
v této studii Česko rozděleno jen na dva regiony, dělení dle krajů by naráželo na nedostatek
podkladových informací (pozn. autora). Ve stejné studii Boudry et al (2012) dovozují, že indexy mají
lepší vypovídací schopnost, pokud jsou sledovány pro každý typ nemovitosti zvlášť (důležitá je
v tomto ohledu standardizace – pozn. autora), což na druhou stranu omezuje velikost zkoumané databáze.
S ohledem na výše uvedené se výzkum nemovitostních indexů tržní hodnoty rozvinul ve dvou
základních větvích: výzkum indexů založených na ocenění podkladových nemovitostí a výzkum
indexů založených na skutečných transakcích. Hybridní modely indexů jsou odvozené z těchto
dvou přístupů. Zvláštní kategorií jsou potom indexy založené na cenách veřejně obchodovatelných
podílů ve fondech, které se specializují na investice do nemovitostí. Volba adekvátní metody
konstrukce indexu z podkladových nemovitostí hraje klíčovou roli v analýze vývoje a výkonnosti
trhu s nemovitostmi, přičemž důležitým faktorem při výběru je tzv. hustota vzorku, která se
vypočte dle Vzorce 1 (Geltner a Ling, 2006):
𝒑𝒇
𝒏= (1)
𝒎
, kde je
n…hustota vzorku,
Kvalita indexu, který je reportován s určitou frekvencí, se zvyšuje s frekvencí ocenění či transakcí,
s počtem nemovitostí ve vzorku a s lepší metodologií konstrukce indexu. Frekvence reportování
má ve světě nemovitostí největší smysl v čtvrtletních intervalech, jelikož ocenění a transakce
probíhají ve stejném časovém rámci. Čtvrtletní sledování vývoje tržní hodnoty a ostatních veličin
českého trhu s nemovitostmi je z tohoto hlediska optimální (pozn. autora).
Owusu-Ansah (2018) jmenuje následující atributy kvality indexu tržní hodnoty nemovitostí:
17
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- neměnnost v historických datech při revizích indexu, které je nutno čas od času udělat, aby
index nepozbyl své aktuálnosti.
V každém případě Fisher et al (1994) doporučují sledovat hned několik indexů tržní hodnoty
s různou strukturou výpočtu a hustotou vzorku najednou, jedině tak jsou experti schopni vnímat
skutečný stav a vývoj nemovitostního trhu. Z tohoto závěru lze dovodit, že sledování trhu
s prostory pomocí širší palety indexů přispívá k pochopení skutečného obrazu trhu s nemovitostmi
a jejich tržní hodnoty (pozn. autora).
Dle Fisher et al (1994) nízká volatilita indexů založených na ocenění způsobuje, že tyto indexy
nejsou schopny zaznamenat změnu trhu, pokud je začátek změny náhlý, a tím klesá jejich
použitelnost při investičním rozhodování. Geltner (1993a) k tomuto jevu uvádí, že jakýkoliv index
založený na oceněné tržní hodnotě nemovitostí je předmětem vyhlazení již v procesu oceňování
jednotlivé podkladové nemovitosti, a proto se výzkum musí zabývat procesy, které by s ohledem
na použitelnost vyhlazení z indexu odstranily. Na druhou stranu je otázkou, proč vyhlazení
z indexu odstraňovat, jestliže trh a investoři vyhlazení tržních hodnot nemovitostí anticipují, a
právě proto do nemovitostí investují (pozn. autora).
zajištění jeho likvidity, proto výsledek ocenění reportovaný pro účely RN nebo obdobných indexů
není nutně odrazem tržní hodnoty (Fisher et al, 1994). Obdobná praxe je i na českém trhu, na
kterém oceňovatel často přisuzuje tržní hodnotu nemovitosti pro účely financující banky, nicméně
zadání má od vlastníka či správce portfolia. Obě partnerské instituce mají zájem na stabilizaci tržní
hodnoty nemovitostí, a tudíž i na vyhlazení jejího vývoje (pozn. autora).
Quan a Quigley (1991) tento jev nepovažují za chybu v ocenění samotném, jedná se dle jejich
názoru o nejistotu související s nedokonalostí dostupných dat o současných tržních hodnotách
nemovitostí. S touto nejistotou se oceňovatelé musí v procesu ocenění vypořádat. Quan a Quigley
(1991) svůj model ocenění definují následovně:
𝑽𝒕 = 𝜶𝒕 𝑴𝒕 + (𝟏 − 𝜶𝒕 )𝑽𝒕−𝟏 (2)
, kde je
1- αt…faktor vyhlazení.
Obdobná chyba vzniká i v reálných transakcích, jelikož žádná ze stran v důsledku nedostatku
informací neví, za kolik by se měla nemovitost obchodovat, aby odpovídala její tržní hodnotě.
Jedna ze stran obchodu vždy udělá o něco lepší a jedna ze stran o něco horší obchod, žádná ze
19
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
stran ale neví, zda si polepšila nebo pohoršila vůči tržní hodnotě. O tržní hodnotě lze tudíž
uvažovat jako o průměru ex ante transakčních cen s pravděpodobnostním rozdělením k určitému
času (Geltner a Ling, 2006):
, kde je
Ocenění, stejně jako transakční ceny, jsou empiricky pozorovatelné veličiny, které se vyskytují jen
k určitému času, kdežto tržní hodnota každé nemovitosti existuje ke každému okamžiku a mění se
spojitě v čase, protože relevantní informace přicházejí nepřetržitě. Při úvahách nad tržní hodnotou
konkrétní nemovitosti by se proto oceňovatel měl při posuzování referenční transakce zabývat
možnými nahodilými chybami, které vznikají z důvodu heterogenity nemovitostí, asymetrie při
jednání mezi stranami referenční transakce nebo ze specifických důvodů každé ze stran
uskutečněné transakce. V každém případě by oceňovatel dle Quan a Quigley (1991) měl v případě
nejistoty vyplývající z nejaktuálnější transakce tuto transakci nebrat při ocenění v úvahu.
Oceňovatel průmyslových nemovitostí také musí mít přístup k informacím o nepronajatosti na
daném trhu, o provozním zisku nájemce a jeho změně s ohledem na změnu tržeb, reprodukčních
nákladech nemovitosti, o současném stáří a o celkovém ekonomickém životě nemovitosti
(Crawford a Slade, 2001).
Dle Fisher et al (1994) všechny tyto faktory v konečném důsledku vedou oceňovatele při ocenění
k vyhlazení, které se propisuje do nemovitostního indexu. Bond a Hwang (2007) přichází na
základě provedené analýzy k závěru, že indexy založené na ocenění nejsou vyhlazeny, resp. že jejich
volatilita není snížena, směrem k tržní hodnotě, která může mít vyšší, nižší nebo stejnou volatilitu
jako index.
Vyhlazení může být způsobeno i agregací oceněných hodnot individuálních nemovitostí do indexu.
Náhodné odchylky jsou v indexu vyrušeny diverzifikací portfolia podkladových nemovitostí. Gohs
(2017) ve své studii uvádí fenomén časové agregace, který vzniká spojením nesynchronnosti
ocenění a jeho tak zvané zatuchlosti. Nesynchronnost (v angličtině „non-synchronous“) vzniká,
jelikož oceňovatelé neoceňují všechny nemovitosti ve stejný čas, tzn. ke konci období, ale
v průběhu sledovaného období nebo v určité části období o délce několika dní. Tržní hodnoty
20
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
nemovitostí jsou však pro účely výpočtu indexu reportovány ke konci sledovaného období.
Zatuchlost (v angličtině se používá výraz „stale“) je odrazem faktu, že se některé nemovitosti
oceňují nepravidelně, lépe řečeno, ne všechny nemovitosti se oceňují v každém sledovaném
období, například v důsledku nezměněných podmínek. Mezi náhodnou odchylkou a časovou
agregací existuje směna, nelze se tudíž vyhnout oběma odchylkám zároveň (Geltner, 1993a).
V této souvislosti zmiňují některé studie sezónnost v ocenění (Gohs, 2017), jelikož velká část
nemovitostí je oceňována v posledním kvartále kalendářního roku, a tudíž systematické změny
tržní hodnoty nastávají především v tomto období. Přecenění v tomto případě není způsobeno
ekonomickými faktory, ale požadavky na ocenění.
21
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Geltner (2014) v této souvislosti uvádí, že sledování trhu s komerčními nemovitostmi je složitější
než u jiných druhů aktiv, jelikož toto aktivum je heterogenní napříč lokalitami a jelikož je těžší
sledovat a získávat dostatečně velké množství dat. Obchody s nemovitostmi jsou často privátní a
probíhají formou transakce s podíly společností, které nemovitosti vlastní. Na rozdíl od jiných aktiv
neexistuje centralizovaná databáze a transakční místo, obchody probíhají s malou frekvencí, na
trzích s malým počtem hráčů s vysokou koncentrací hodnoty, nepravidelně a s vysokými
transakčními náklady. Všechny tyto faktory komplikují konstrukci a použitelnost indexů tržní
hodnoty nemovitostí na transakční bázi.
Geltner a Ling (2006) shrnují, že i přes určité nevýhody jsou transakční indexy lepším ukazatelem
trhu, jelikož celková odchylka mezi hodnotou indexu a tržní hodnotou je u těchto indexů menší
než v případě indexů založených na ocenění (na trhu s malým počtem významných hráčů a s nízkou
frekvencí transakcí tento závěr nemusí platit – pozn. autora). Transakční indexy se dle konstrukce dělí na
indexy založené na průměru, hédonické indexy, indexy založené na opakovaných transakcích a
hybridní modely.
jednoduchá a zároveň jejich užití neklade přílišné nároky na velikost databáze. V případě použití
této metody je nutno zvolit co možná nejhomogennější skupinu podkladových nemovitostí.
Heterogenita nemovitostí je největší slabinou těchto indexů, stejně jako nedostatek plynoucí
z časového nesouladu transakcí (Owusu-Ansah, 2018).
Tržní hodnota
nemovitosti
Vlastnosti související s lokalitou Strukturální vlastnosti
Dostupnost Kvalita okolí Velikost pozemku Podlahová plocha Stáří Stav Specifikace
23
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Nevýhodou hédonického modelu je, že podkladová databáze nikdy nebude obsahovat celistvý
souhrn všech vlastností všech nemovitostí daného typu (Fuerst et al, 2015), což se může projevit v
chybě dané nesprávnou interpretací charakteristik nemovitostí v databázi (Butler, 1982). Další
nevýhodou hédonického modelu je selektivní výběr atributů, resp. parametrů hédonické funkce,
které nemusí v celé šíři popisovat vlastnosti nemovitostí v databázi, a tudíž nejsou schopny popsat
náhodné vlastnosti nemovitostí (Härdle, 1990).
Většina studií se z databáze, která obsahuje charakteristiky nemovitostí a jejich transakční ceny,
snaží nalézt hédonickou regresní funkci, která obsahuje časovou kontrolní proměnnou. Dle Gatzlaf
a Holmes (2013) lze standardní logaritmický zápis regresní funkce hédonického cenového modelu
zapsat následovně:
, kde je
Dit…časová kontrolní proměnná s koeficientem αt (poměr oceněné hodnoty k tržní hodnotě), kdy
Dit je rovno jedné, pokud v čase t proběhla s nemovitostí i transakce, jinak je rovna nule;
Hédonické indexy lze rozdělit na řetězové a hromadné. Výhodou řetězového hédonického modelu
dle Geltner (2014) je, že je fixován v čase a nevytváří zpětné historické revize, jelikož index je
kalkulován na bázi dat z běžného období. Na druhou stranu tento index je značně náročný na
dostupnost velkého množství dat a rovněž v tomto případě je nutno stanovit tzv. reprezentativní
nemovitost. Hromadné hédonické indexy jsou sice méně náročné na množství vstupních dat, jejich
omezením je neměnnost relativních cen nemovitostí, proto tyto indexy poskytují méně
strukturních informací a vytváří možnost pro historické revize. Nejčastěji se v odborné literatuře
používají hromadné indexy s časovou kontrolní proměnnou.
Hédonické nemovitostní indexy jsou předmětem mnoha analýz a studií, které vedou k jejich
snadnější použitelnosti a ke zlepšené vypovídací schopnosti. Deng et al (2011), McMillen (2012) a
Guo et al (2014) se zabývají technikami relevantní manipulace s daty před samotnou regresí
například rozšířením velikosti vzorku. McMillen a Dombrow (2001), Francke a Vos (2004) a
Francke (2008) přichází s parametrizací časových řad a Pace et al (1998), LeSage a Pace (2010) a
Chegut et al (2015) zase s technikami založenými na úpravách indexu po regresi například pomocí
úpravy proložením trendové křivky (Hodrick a Prescott, 1997) nebo pomocí již dříve zmíněné
četnostní konverze (Bokhari a Geltner 2012).
25
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
, kde je
Dit…časová kontrolní proměnná s koeficientem αt (poměr oceněné hodnoty k tržní hodnotě), kdy
Dit je rovno jedné, pokud v čase t proběhla s nemovitostí i transakce, jinak je rovna nule;
Bourassa et al (2013) se zamýšlí nad vlivem nucených prodejů nemovitostí, které jsou často
prodávány se slevou a které vývoj transakčních indexů zkreslují. Obdobný problém představují
často obchodované nebo tak zvaně rychle otočené nemovitosti, jelikož jejich relativní přínos
k vývoji indexu je vyšší než u jiných méně často obchodovaných nemovitostí (Geltner, 2014).
26
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Transakce v každém období rovněž nemusí být pro trh plně reprezentativní (Costa a Cazassa,
2018).
Ziering a McIntosh (1999) zkoumají vztah výše hodnoty a výnosnosti nemovitostí. Z jejich analýzy
vyplývá, že tzv. trofejní nemovitosti mají vyšší a volatilnější výnos. Gatzlaf a Holmes (2013) tento
závěr ve své studii potvrzují a uvádějí, že změny hodnot institucionálních, dle Geltner (2014)
bezrizikových, nemovitostí jsou zásadně odlišné od nemovitostí neinstitucionálních. Boudry et al
(2012) k tomu uvádějí, že větší nemovitosti s vyšší celkovou tržní hodnotou se zhodnocují pomaleji
než nemovitosti menší s nižší celkovou tržní hodnotou.
U transakčních indexů je, z důvodu jiného chování hodnoty a výnosů u různých typů nemovitostí,
zaznamenána heteroskedasticita stejně jako u hédonických modelů. Dalším důvodem pro
heteroskedasticitu transakčních indexů je nesouměrná délka času mezi transakcemi. Podobný
negativní vliv na vypovídací hodnotu transakčních indexů způsobený délkou transakční doby u
větších nemovitostí zmiňuje studie Boudry et al (2012). Case a Schiller (1987) pro řešení navrhují
systém vah v závislosti na velikosti hodnoty nemovitosti, kterým se snaží tomuto jevu při výpočtu
transakčního indexu vyhnout.
Nespornou výhodou těchto indexů je dostatek transparentních a homogenních informací pro jejich
výpočet. Na druhou stranu trh s podíly REIT je postaven na úplně jiných základech než
nemovitostní trh. Trh s podíly REIT je tvořen spoustou malých individuálních investorů v aukčním
systému, proto je tento trh tolik likvidní. Naopak trh s komerčními nemovitostmi je tvořen
27
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
relativně úzkou skupinou velkých institucionálních hráčů, kteří provádí jednotlivé transakce
v nepoměrně větším objemu. Z podstaty obchodování s podíly REIT vyplývá, že v indexech
založených na výnosech REIT je obsažen tržní šum související s trhy s cennými papíry nikoliv
s hodnotou nemovitostí. Výnosy podílů REIT mimo jiné obsahují i hodnocení investiční strategie
a manažerské schopnosti správců portfolií ze strany investorů.
Fisher et al (1994) uvádí, že trhy s podíly REIT jsou rychlejší v agregování informací než privátní
trhy, které se zpožďují, jelikož institucionální investoři na privátním trhu drží nemovitosti, dokud
jim kupující nenabídne cenu dle ocenění (nebo dle požadavku na minimální výnosnost investovaného kapitálu
– pozn. autora). V důsledku vývoj indexů založených na REIT předbíhá vývoj trhu s nemovitostmi.
Ling et al (2000) tuto myšlenku rozpracovali a přišli s modelem, který váže vývoj tržního výnosu
nemovitostí v indexu na latentní proměnnou ve formě časové řady výnosů veřejně obchodovaných
podílů REIT.
Studie Thompson a Tsolacos (1999) přišla s následující diferenciální rovnicí základního nájemného
v průmyslových nemovitostech:
∆𝟏 𝑹𝑬𝑵𝑻𝒕 = 𝜶𝟎 + ∑ 𝜶𝟏𝒊 ∆𝟏 𝑮𝑫𝑷𝒕−𝒊 + ∑ 𝜶𝟐𝒊 ∆𝟏 𝑬𝑴𝑷𝒕−𝒊 − ∑ 𝜶𝟑𝒊 ∆𝟏 𝑽𝑨𝑪𝒕−𝒊 + ∑ 𝜶𝟒𝒋 ∆𝟏 𝑹𝑬𝑵𝑻𝒕−𝒋 + 𝜺𝒕 (6)
, kde je
RENT…index nájemních cen upravený o inflaci deflátorem HDP v čase t resp. s prodlevou t-j;
VAC… nepronajatost průmyslových prostor v období t-i a Δ1VAC je míra absorpce v čase t-i.
- Jones Lang Wooton Real Estate (JLWRE), který sleduje dosažitelné základní nájemné skutečných
nemovitostí pod správou k času pronájmu nebo přepronájmu pro nemovitosti větší než 1 500 m2
a
- CB Hillier Parker Real Estate (CBHPRE), který je založen na odborných odhadech očekávané
hodnoty tržního základního nájemného hypotetické nově postavené standardní budovy o velikosti
cca 5 500 m2 s průměrnou výškou 5.5 m, s dobrým přístupem a s dobrým vybavením pro nakládku
kamionů, s dostatečným parkováním a se službami dle tržního standardu.
Z analýzy vyplývá, že CBHPRE předbíhá vývoj JLWRE o dvě čtvrtletí a že jsou navzájem mírně
korelované. HDP má významný vliv na změny v základním nájemném za průmyslové prostory
z hlediska poptávky po prostorech, a to pět až šest čtvrtletí v případě indexu JLWRE a dvě čtvrtletí
v případě CBHPRE. Negativní vliv nepronajatosti, resp. absorpce, je spojen se zhoršující se pozicí
nájemců při jednání o nájemních podmínkách při snižující se nepronajatosti, resp. při zvyšující se
poptávce. Analýza identifikovala také paměť obsaženou v časové řadě základního nájemného,
resp. značnou autokorelaci mezi změnou současného základního nájemného a změnou základního
nájemného mezi předchozími obdobími. Vzorec 6 tudíž identifikuje hlavní faktory působící na
poptávku a nabídku prostor na trhu s průmyslovými prostory, které svojí interakcí definují výši,
případně změnu, základního nájemného v daném čase a místě.
Dle Thompson a Tsolacos (1999) měly změny v dostupnosti prostor vliv v periodě sedmi čtvrtletí
na JLWRE a pěti čtvrtletí na CBHPRE. Při srovnání skutečných a předpovězených hodnot měly
29
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Průmyslová nemovitost je, stejně jako ostatní nemovitosti, tzv. kompozitním aktivem (Owusu-
Ansah, 2018) – nemovitost ohraničuje určitý prostor a tvoří jedinečný celek, který lze směnit jen
vcelku. Při rozdělení nemovitosti totiž dojde ke změně jejích vlastností. Průmyslová nemovitost je
zároveň reakčním aktivem, k jejímu pořízení do nájmu či do vlastnictví dochází až s provozní
potřebou (French a Wiseman, 2003).
30
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Henneberry (1991a) uvádí, že logistické a distribuční společnosti tvoří důležitou skupinu uživatelů
průmyslových nemovitostí, kteří nemají přílišné nároky na technické specifikace hal. Při designu
průmyslových nemovitostí není tudíž dle jeho názoru potřeba maximalizovat standardy, ale je
nutno najít vhodný kompromis, který zajistí flexibilitu užití prostoru. Tomuto kompromisu jdou
vstříc moderní stavební technologie, které umožňují v relativně krátkém čase výstavbu
přizpůsobitelných, ne příliš drahých, jednopodlažních budov pro lehkou výrobu a skladování.
Dle Henneberry (1991b) jsou průmyslové nemovitosti stavěny na základě předchozích zkušeností
developera s požadavky uživatelů a dle rad nemovitostních a technických poradců. Design
průmyslových nemovitostí ovlivňuje dle Henneberry (1991a) především následující faktory:
- intenzita provozu;
- frekvence změn, které jsou vyvolány provozem;
- použité technologie pro pohyb materiálu a zboží;
- potřeba kapacit energií a služeb.
Čím je vyšší intenzita provozu, vyšší frekvence změn, vyšší potřeba pohybu materiálu a zboží a
vyšší potřeba energií a služeb, tím vyšší nároky má uživatel na specifikaci budovy. Jiný přístup k
analýze potřeb uživatelů na průmyslový prostor vychází z teorie životního cyklu, jak ji popsal
Posner (1961) a pro účely průmyslových nemovitostí interpretoval Henneberry (1991a).
Thompson (2005) se zabývá budoucími trendy standardů technických specifikací nově stavěných
průmyslových nemovitostí (které se již potvrdily – pozn. autora), mezi které řadí:
Myers (1994) hovoří o produkční kapacitě nemovitosti (souvisí s kvalitou nájemce a s přidanou hodnotou,
který tento nájemce v prostoru v nemovitosti vytvoří – pozn. autora), která je dle jeho názoru hlavním
faktorem tržní hodnoty průmyslové nemovitosti společně s jejím stářím, resp. její historií. Ve své
studii analyzuje faktory, které by firmy měly vzít v úvahu při výběru průmyslové nemovitosti, jako
jsou flexibilita prostoru a schopnost nemovitosti přizpůsobit se budoucím technologiím, kapacita
a design budovy. Cleminshaw (1997) k tomu uvádí, že nevhodný design nemovitosti způsobuje její
funkční zastaralost vytvářením neefektivních, a tudíž zbytečných, prostorů.
Měnící se potřeby nájemců s ohledem na velikost, počet ramp a světlou výšku analyzují ve své práci
Christensen et al (1997). Wheaton (1996) podporuje populární tezi, že lepší technologie vyvolá
nižší potřebu průmyslového prostoru a tím i nižší poptávku po těchto prostorech. Proti tomuto
trendu jde zvýšená potřeba nových moderních průmyslových prostor vzhledem k trendům
spojeným s automatizací, robotizací, e-commerce a průmyslem 4.0, a s nimi spojenou potřebou
32
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
vyšší konektivity průmyslových hal (Thomson, 2005). Dunse et al (2005) uvádí, že průměrná
velikost výroby se v důsledku globalizace zvětšuje a nejinak je tomu u skladových prostor.
Kaizr et al (2010) se zabývají rozdělením průmyslových hal do podskupin dle velikosti, jelikož
z jejich rešerše vyplynul rozdílný standard technických specifikací preferovaný nájemci. Mezi další
závěry této práce patří zjištění, že uživatelé průmyslových prostor mají odlišné představy o
důležitosti jednotlivých technických specifikací dle velikosti a užití pronajaté jednotky. Základní
dělení do podskupin dle velikosti a preferovaných technických standardů popisuje Tabulka 1.
Průmyslové haly v rámci hlavních segmentů jsou designovány, aby vyhověly většině zájemců o
prostory v daném segmentu s minimálními náklady na specifické úpravy. Výnos z investice
pronajímatele je tudíž maximalizovaný a výpadek základního nájemného při prvotním pronájmu a
následném přepronájmu minimální. V případě spekulativní výstavby (v angličtině „speculative
development“) jsou dle Henneberry (1991a) standardy průmyslových prostor nastaveny, aby jejich
flexibilita vyhověla předpokládanému průměru poptávek a aby se dlouhodobě pronajímaly.
Standard těchto hal je proto volen na vyšší než minimální úrovni.
Mezi průmyslové nemovitosti lze zařadit nemovitosti pro výzkum a vývoj a malé business jednotky
SBU (Small Business Units) s vyšším podílem kancelářských prostor, kterých by dle Henneberry
(1991b) mělo být na trhu dle počtu většina a které se častěji staví spekulativně bez tzv.
předpronájmu. V Česku je segment SBU stále ještě pod svým potenciálem zejména v regionech,
33
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
kde jsou tyto jednotky ve značně neutěšeném stavu (pozn. autora). Z výzkumu Sivitanidou a
Sivitanides (1995) vyplývá, že malé průmyslové nemovitosti s více nájemci vykazují vyšší
jednotkové základní nájemné (a tržní hodnotu na m2 - pozn. autora). Dunse et al (2004) potvrzuje, že
se jednotkové základní nájemné snižuje s rostoucí velikostí průmyslového prostoru.
Specifickou kategorií jsou tzv. průmyslové nemovitosti stavěné na míru (v angličtině „Build-to-
Suit“ neboli BTS). Tyto stavby vychází ze standardních technických specifikací, jsou však upraveny,
aby v maximální míře splňovaly požadavky nájemce. Přitom developeři dbají na budoucí
využitelnost takových staveb a v konečném důsledku se jedná o kompromis standardních a
specifických řešení (Henneberry, 1991a).
Ocenění Built-to-Suit budov se věnuje ve své práci Zimmer (1991), který znalcům nedoporučuje
použití srovnávací metody při ocenění těchto nemovitostí, protože vlastnosti těchto nemovitostí
jsou natolik odlišné, že i jejich tržní hodnota je nesrovnatelná. Tento závěr podporuje Derbes
(2002), který připomíná nedostatek srovnatelných tržních transakcí s BTS projekty.
Crawford a Slade (2001) prezentují metodu ocenění Built-to-Suit projektů založenou na efektivní
provozní využitelnosti nemovitosti, která umožňuje kalkulovat i s faktorem nevyužitelného
prostoru a zastarání. Znalec by při ocenění BTS projektů dle jejich názoru měl vzít v úvahu i
informace o reprodukčních nákladech, stáří budovy a zaměřit by se měl i na odhad ekonomické
životnosti BTS nemovitosti. Vývoj výrobních a skladovacích technologií směřuje k specifičtějším
budovám, které budou umístěny v lokalitách vhodných právě pro jejich specifickou funkčnost, což
bude klást vyšší nároky na činnost znalců v oceňování (pozn. autora).
a oceňovat nemovitosti nejen na základě agregovaných tržních informací ale především s ohledem
na stav a vývoj místního trhu.
I když se po nějaké době stanou průmyslové prostory nevyhovujícími a zastaralými, přesto se jejich
uživatelé neradi stěhují. Dle Rauch (1993) jsou důvodem nechuti ke stěhování úspory dlouhodobě
vytvořené v rámci vazeb v průmyslových clusterech a aglomeracích. Změna lokality ze strany
uživatele nastává, pokud nesoulad mezi potřebami uživatele a specifikací nemovitosti dosáhly své
meze (Henneberry, 1991a). Pronajímatelé, a developeři, mohou uživatele motivovat k pohybu
volbou vhodné cenové a obchodní politiky.
Fenoménem aglomerace se ve své studii věnuje Venables (2000). Aglomerace znamená pro firmy
výhodu ve formě komplementárních aktivit, které umožňují firmám vytvářet vyšší zisk a platit
zaměstnancům vyšší mzdy (a pronajímatelům vyšší základní nájemné – pozn. autora). V clusterech dle
Venables (1996) a Ellison a Glaeser (1999) jsou firmy profitabilnější nejen z důvodu
komplementarity svých aktivit ale i z důvodu snížení nákladů na práci, na dopravu a na marketing.
Aglomerace průmyslových aktivit je posílena zájmem velkých nadnárodních společností
soustřeďovat své provozy do několika málo lokalit s ohledem na management a úspory z rozsahu.
České hospodářství je specifické dlouhou průmyslovou historií, průmysl je zastoupen ve všech
krajích, proto faktor aglomerace působí rovnoměrně na celém území (pozn. autora).
Hughes (1994) popisuje trend posunu firem z ryze průmyslových lokalit do průmyslově
kancelářských lokalit, aby se přizpůsobili novým distribučním a skladovacím trendům. Martin a
Rogers (1995) na základě své analýzy zjišťují, že nájemci ve většině případů hledají lokalitu, která
nabídne uspokojivou kombinaci nejlepší dostupné infrastruktury, nejvyššího příjmu na obyvatele a
největšího trhu pro své zboží.
𝐶𝑖 = 𝐶(𝑅𝑖 , 𝑊𝑖 ; 𝐸𝑖 ) = 𝑝 (7)
, kde je
35
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
, kde je
Dle Wheaton (1999) souvisí celý trh s komerčními nemovitostmi s ekonomikou, hlavní cyklus trhu
s komerčními nemovitostmi má periodu mezi deseti a dvanácti lety (druhý cyklus českého trhu
s nemovitostmi je pandemií COVID-19 uzavřen – pozn. autora). Kolem hlavního cyklu dochází dle této
studie k oscilaci, která je dána krátkodobými nerovnovážnými stavy souvisejícími s nemožností
nabídky reflektovat poptávku. Trh uživatelů má dle Mueller (1995) jiný cyklus než kapitálový trh,
který historicky zaostává za trhem uživatelů.
Geltner et al (2013) ilustruje fungování trhu s komerčními nemovitostmi pomocí modelu ve formě
schéma v Diagramu č.2. Trh s nemovitostmi se skládá ze tří propojených trhů: trhu s komerčními
prostory, trhu developerského a trhu s nemovitostními aktivy (indexy popisující pozice hráčů na trhu
s nemovitostmi konstruované v metodologické části odpovídají tomuto rozdělení trhu – pozn. autora).
36
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Nájemné
& pronajatost
Předpověď
budoucnosti
Developerský trh
Trhem
Kapitálové
požadovaná trhy
Stavební
Tržní míra Poptávka
náklady
hodnota kapitalizace (investoři
včetně
nemovitosti kupující)
pozemku
Tsolacos at al (2005) se při predikci základního nájemného snaží použít ukazatele, které sledují
ziskovost firem nájemců a dostupnost prostorů než ukazatele reálné ekonomiky. Do funkce
přimíchávají i ukazatel důvěry výrobců, který na základě dotazníku zjišťuje British Chamber of
Commerce (v této studii obdobně v analýze použit český Index důvěry v průmysl – pozn. autora). Výsledný
ukazatel v sobě obsahuje informaci o předpokládaném vývoji peněžních toků, ziskovosti a tržeb,
37
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
a predikuje budoucí vývoj hospodářství. V každém případě maximální základní nájemné, které
jsou firmy připraveny zaplatit v místě a čase, je dáno předpokladem budoucí ziskovosti dle
funkčního vztahu (Tsolacos et al, 2005):
𝒏
𝑹𝑬𝑵𝑻𝒎𝒂𝒙 = 𝒇(𝑷𝑽(𝝅)) = 𝒇(∫𝟎 𝝅(𝒕)𝒆−𝒓𝒕 𝒅𝒕) (9)
, kde je
r…diskontní míra.
Ze Vzorce 9 vyplývá, že nejvyšší (v angličtině „prime“) základní nájemné bude placeno v místě a
čase nejziskovějším uživatelem prostoru. Rovněž platí, že regiony s vyšším počtem dynamických a
ziskových společností mají vyšší „prime“ základní nájemné. Důkazem je situace na českém trhu
s průmyslovými nemovitostmi, na kterém dlouhou dobu bylo základní nájemné v Praze nižší než
v Brně, kde se shlukly R&D centra s vyšší přidanou hodnotou (pozn. autora). French a Wiseman
(2003) došli ve své studii ke stejnému závěru a schopnost platit nájemné vyjadřují tzv. ukazatelem
prostorové dostupnosti, který je dán podílem celkových nákladů na nemovitost a tržeb firmy.
38
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
French a Wiseman (2003) poukazují na to, že životní cyklus zboží se zkracuje a výsledkem je i kratší
délka nájemních smluv v moderních prostorech. Tento trend jde proti současným trendů spojeným
s automatizací a robotizací procesů, jejichž vliv popsali ve svých pracích Thompson (2005) a
Henneberry (1991a). Současné skladové a výrobní provozy více než v minulosti vyžadují značné
investice a z důvodu delší návratnosti těchto investic firmy podepisují delší nájmy prostorů v
průmyslových halách (pozn. autora).
French a Wiseman (2003) uvádějí, že hodnota průmyslového prostoru užitná a směnná se od sebe
časem odchýlily, jelikož základní nájemné se odchyluje od nájemcovy schopnosti platit s ohledem
na fázi ekonomického cyklu. Pokud je nájemní smlouva podepsána v době konjunktury za v tu
dobu tržní základní nájemné, při zhoupnutí trhu do recese smluvní základní nájemné zůstává, i
když tato úroveň základního nájemného může být vůči trhu již nadhodnocena (s ohledem na indexační
doložky je smluvní nájemné v průběhu nájmu valorizováno – pozn. autora).
Po skončení nájmu mohou nájemci své provozy relokovat do levnější lokality, v takovém případě
po dohodě s pronajímatelem často dochází ke korekci (tzv. „renegociace“) smluvního základního
nájemného, i když s ohledem na nechuť ke stěhování dle Rauch (1993) je pozice nájemců vůči
pronajímatelům oslabená. Trh se ekonomickému cyklu se zpožděním přizpůsobuje a hodnota
směnná vyjádřená výší základního nájemného a hodnota užitná pro nájemce se opět přibližují.
French a Wiseman (2003) upozorňují, že nájemci zvažují celkové náklady prostoru, přičemž
základní nájemné je jen jedním z faktorů.
Z poptávkové funkce dle Ball et al. (1998) vyplývá, že poptávka firem po prostorech je kromě výše
základního nájemného dána i tržbami firem, potřebou prostoru pro jednoho pracovníka a
dostupnou technologií. Thompson a Tsolacos (1999) se ve své práci zabývají vlivem růstu HDP
na výši základního nájemného na trhu s průmyslovými prostory, který potvrzují s ohledem na silný
pozitivní vliv růstu HDP na poptávku po průmyslových prostorech. Stejný závěr učinil ve své práci
Kaizr (2017), který identifikoval silnou korelaci vývoje poptávky po průmyslových prostorech a
vývoje HDP. Dle této studie zvýšení HDP o 1mld. Kč vyvolá růst poptávky po českých
průmyslových prostorech o 1 030m2 plochy.
39
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Nabídka je dle DiPasquale a Wheaton (1992) fixní v čase t, k přírůstku zásoby může dojít až v čase
t+1, přičemž nabídka se přizpůsobuje poptávce na základě mechanismu, který propojuje trh
s prostory s kapitálovým a developerským trhem. Z tohoto důvodu je důležité pro pochopení tržní
hodnoty nemovitosti zkoumat i vztahy na trhu s nájemními prostory a na developerském trhu (pozn.
autora). Statická nabídka bude mít při rostoucí poptávce v krátkém horizontu za následek růst
tržního základního nájemného (Fischer, 1999) a dle Wheaton a Torto (1990) bude tento časový
nesoulad znamenat dočasnou tržní nerovnováhu.
Dle Alonso (1990) na místní úrovni vstupují do hry na straně nabídky kromě charakteristik
konkrétních nemovitostí i faktory, jako jsou nepronajatost a složení celkové nabídky prostor ze
stávající zásoby a nové výstavby. Vzájemná interakce poptávky a nabídky je vyjádřená mírou
absorpce (v angličtině „absorption“), která popisuje, jak stávající nabídka prostorů uspokojuje
poptávku v daném čase (Thompson a Tsolacos, 1999). Vysoká míra absorpce znamená, že velká
část poptávky po průmyslových prostorech je uspokojena, a proto je pravděpodobné, že růst
základního nájemného je potlačen, resp. že základní nájemné neroste tak rychle, jak by mohlo.
Tsolacos et al (2005) tento závěr potvrzují, když zjišťují negativní vliv nové výstavby a rostoucí
zásoby na výši základního nájemného.
Zásoba pozemků připravených pro development určuje velikost současné a budoucí zásoby
průmyslových nemovitostí. Boudry et al (2012) vnímají pozemky jako jeden z důležitých faktorů
tržní hodnoty nemovitosti a všímají si, že tržní hodnota pozemků roste rychleji než tržní hodnota
budov. Tento jev není možno na českém trhu s nemovitostmi ověřit z důvodu nedostatku
relevantních a transparentních dat o trhu s průmyslovými pozemky, proto pro účely této studie
byla tržní hodnota pozemků odhadnuta, viz část 3.2.1. (pozn. autora). Thompson a Tsolacos (2001)
dospěli k závěru, že tržní hodnotu pozemků lze použít jako ukazatel růstu budoucích nájmů.
Pozemky totiž tvoří signifikantní část nákladů developmentu a zároveň růst cen pozemků vyvolává
očekávání růstu základního nájemného u účastníků trhu. Upozorňují, že jakékoliv analýzy tohoto
40
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
fenoménu mohou být zkresleny, protože základní nájemné je jednou z veličin ovlivňujících
reziduální hodnotu pozemků, a jedná se tudíž o kauzální smyčku.
Wallace (1988) ve své studii zmiňuje, že tržní hodnota pozemků by mohla být endogenní
proměnnou v tržní hodnotě nemovitostí, pokud by obce při rozhodování o užití pozemku
zvažovaly výhody plynoucí z vyššího daňového příjmu v případě jejich developmentu. V takovém
případě by tržní hodnota nemovitosti byla zatížená souběžností a výběrovým zkreslením
v důsledku změny užití pozemku. Wallace (1988) dokládá, že tomu tak není, komerční pozemky
jsou spojeny pro obce a komunity spíše s externalitami a životním prostředím než s daňovými
výhodami, a proto je užití pozemku dle územního plánu exogenní proměnnou. Platí Alonsova
teorie vnitřní městské lokality s nejvyšším a nejlepším užitím (Alonso, 1964).
, kde je
Pro cenu pozemků je důležitá i doba jejich přípravy pro výstavbu. Tabulka 2 shrnuje situaci
českého povolovacího procesu mezi lety 2007 a 2018 dle The World Bank (2007 až 2019). Z vývoje
ukazatelů vyplývají dva pro Česko nelichotivé fakty:
- i když se v letech 2012 až 2014 podařilo zrychlit proces povolování, přesto se umístění Česka
v žebříčku zhoršovalo, ostatní země tudíž zkracovaly stavební řízení rychleji;
- od roku 2016 v souvislosti s novelou stavebního zákona došlo ke skokovému zhoršení
povolovacího procesu.
41
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
2010 150 36 76
2011 150 36 76
2012 120 33 68
2013 120 33 74
2014 120 33 86
2015 143 24 139
2016 247 21 127
2017 247 21 130
2018 247 21 127
Chaplin (1997) definuje kapitalizační míru aplikovanou na základní nájemné jako odraz názoru na
riziko spojené s trhem a s konkrétní nemovitostí, na budoucí vývoj základního nájemného, na
likviditu trhu a konkrétní nemovitosti a v neposlední řadě na stabilitu provozních nákladů.
Zásadním závěrem této studie je zjištění, že se základní nájemné v konkrétním případě více blíží
k základnímu tržnímu nájemnému, než se kapitalizační míra v konkrétním případě blíží k tržní
kapitalizační míře. Indexy nájemného a indexy tržní hodnoty nemovitostí je proto lépe sledovat
odděleně, jelikož se tyto dva fenomény chovají odlišně. Při investičním rozhodování více než
kapitalizační míru zvažují investoři výnosnost vloženého kapitálu. Hlavním kritériem je vnitřní
výnosová míra, jejíž požadovaná výše se na trhu s průmyslovými nemovitostmi ustálila mezi deseti
procenty u plně pronajatých nemovitosti financovaných minimem cizích zdrojů a pětadvaceti
procenty ročně u nového developmentu (pozn. autora).
DiPasquale a Wheaton (1992) popisují vztah výše úrokových sazeb a aktivity investorů, kdy při
stejném příjmu ze základního nájemného jsou investoři v prostředí nízkých úrokových sazeb
ochotni zaplatit za nemovitost vyšší cenu. Lockwood a Rutherford (1996) ve své práci uvádějí, že
logaritmus prodejních cen průmyslových nemovitostí je nejsilněji svázán s faktory dílčího, místního
trhu, s lokalitou průmyslové nemovitosti a s jejími fyzickými charakteristikami. Ford et al (1998)
sledují faktory, které ovlivňují zahraniční investice do průmyslových nemovitostí. Zahraniční
investice jsou dle jejich studie nejvíce ovlivněny změnami v dosahované výnosnosti, aktivitou trhu
a výší současného základního nájemného.
42
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Robustnost informačního zázemí a výzkum na univerzitní půdě nesmí vést k potlačení základních
atributů trhu s nemovitostmi. Tak zvané tržní šumy jsou integrální součástí vztahů na
nemovitostním trhu a jako takové je dle mého názoru potřeba je identifikovat a zkoumat, nemá
smysl je potlačovat nebo úplně odstraňovat. Domnívám se, že výzkum určení tržní hodnoty
nejlepšího průmyslového prostoru na trhu a způsobu odvození tržní hodnoty průmyslových
nemovitostí je v tomto ohledu mnohem progresivnějším a dlouhodobě udržitelnějším přístupem
než dosavadní výzkum založený na atributech jednotlivých nemovitostí a transakcí s nimi
v portfoliu. Standardizace průmyslových nemovitostí jde tomuto přístupu naproti.
43
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
oceněných hodnot průmyslových nemovitostí vede k použití podobného přístupu, jako byl použit
při konstrukci indexu CB Hillier Parker Real Estate.
44
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Na trhu převládá užití anglosaské terminologie, jelikož tato mnohem lépe popisuje veličiny, které
se používají pro sledování a analýzy trhu, a jelikož je tato terminologie používána i pro sběr
informací z různých trhů a pro jejich následné srovnání. V zájmu srozumitelnosti bude v této studii
použita při popisu trhu s průmyslovými nemovitostmi česká terminologie s uvedením anglického
ekvivalentu.
V první části třetí kapitoly prezentuji a analyzuji hlavní ukazatele popisující český trh s moderními
nájemními průmyslovými prostory neboli trhu průmyslových uživatelů. Druhou část věnuji
prezentaci a analýze vstupních dat o developerském trhu a třetí část je věnována prezentaci a
analýze vstupních dat o kapitálovém trhu. Čtvrtá část je věnována české praxi oceňování moderních
průmyslových nemovitostí.
45
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
IRF sbírá informace z trhu s průmyslovými nemovitostmi na základě šetření, která provádí
oddělení výzkumu členských společností u všech hlavních vlastníků průmyslových nemovitostí,
kteří působí na trhu. Databáze obsahuje nemovitosti s logistickým a výrobním užitím a nemovitosti
pro poskytování průmyslových služeb.
Každá z nemovitostí v databázi odpovídá definici průmyslové nemovitosti třídy A dle klasifikace
NCREIF, rozdíl je pouze u velikosti, jelikož do databáze jsou vkládány i nemovitosti menší než
5 000 m2. Jedná se tudíž o skupinu nemovitostí s obdobnými charakteristikami vyhovující kritériu
homogenity dle závěrů Ambrose (1990) a Boudry et al (2012). IRF sice nesleduje zvlášť kategorie
SBU, R&D nebo BTS, vliv těchto kategorií na celková data o trhu s průmyslovými prostory je spíše
marginální.
Šetření probíhá vždy na začátku čtvrtletí, které bezprostředně následuje po zkoumaném čtvrtletí.
Výsledná databáze obsahuje pro každé čtvrtletí následující informace:
46
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- Celková zásoba průmyslových prostor (v angličtině „stock“), která je celkovou zásobou ploch
k pronájmu k danému časovému okamžiku vyjádřená v metrech čtverečních;
- Nová výstavba
o Dodané budovy (v angličtině „supply“), tedy množství ploch k pronájmu dodané
v daném období vyjádřené v metrech čtverečních;
o Rozestavěné budovy (v angličtině „pipeline“), neboli plochy ve výstavbě měřené v
metrech čtverečních k určitému časovému okamžiku;
- Jméno nájemce budovy;
- Obor nájemce
o Výrobce (v angličtině „manufacturing“);
o Logistický operátor (v angličtině „logistics“);
o Maloobchod (v angličtině „retail“);
o Internetový prodejce (v angličtině „e-commerce“);
o Ostatní;
- Typ transakce
o Prodloužení stávající smlouvy (v angličtině „lease extension“), tzn. stávající nájemní
smlouva je prodloužena na další období;
o Expanze stávající smlouvy (v angličtině „expansion“), tzn. expanze prostorů dle
stávající nájemní smlouvy;
o Nová smlouva (v angličtině „new lease“), tzn. nájemní smlouvy uzavřené v daném
období mezi pronajímatelem a novým nájemcem prostorů;
o Prodej a zpětný pronájem (v angličtině „sale&leaseback“), tzn. původní vlastník
budovy prodá nemovitost a pronajme si ji na delší období, což může a nemusí být
spojeno s právem koupě nemovitosti původního vlastníka na konci nájmu;
- Velikost pronajatého prostoru konkrétním nájemcem (celkem bez určení velikosti kanceláří).
- hrubá poptávka (v angličtině „gross take up“), tzn. celková pronajatá plocha v daném období
vyjádřená v metrech čtverečních včetně prodloužených smluv a expanzí;
- nepronajatost (v angličtině „vacancy“), tzn. míra nepronajatých ploch na celkové zásobě
prostor k danému okamžiku vyjádřená v procentech;
- čistá absorpce (v angličtině „net absorption“), tzn. čistá změna obsazeného prostoru za určité
časové období včetně uvolněných stávajících prostorů.
47
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Data o celkové zásobě průmyslových prostor na konci roku 2006 a o nové výstavbě SUP
v následujících čtvrtletích až do konce roku 2018 mi posloužila k výpočtu zásoby průmyslových
prostor St ke konci každého čtvrtletí. Agregovaná data prezentovaná IRF jsem pro účely analýzy
doplnil daty ze zdrojů Savills o regionálním rozdělení zásoby průmyslových prostor v Praze a okolí
(rádius dvacet kilometrů od hranice hl.m. Prahy) a mimo Prahu. Rozdělení lokalit na pražské a
mimopražské odpovídá definici hranice místního trhu dle Tsolacos et al (2005). Praha v roce 2007
tvořila čtyřicet pět procent celkové zásoby průmyslových ploch v Česku, její podíl postupně klesá
a na konci roku 2018 tvořily průmyslové prostory v Praze třicet osm procent z celkové zásoby.
S ohledem na nedostatek připravených pozemků pro výstavbu průmyslových nemovitostí v Praze
a okolí bude podíl hlavního města dále klesat.
Čtvrtletní hrubá poptávka GTU obsahuje všechny typy transakcí dle klasifikace IRF, které byly
uzavřeny v daném čtvrtletí. Za novou smlouvu je považována i smlouva o budoucí smlouvě
nájemní, která znamená, že daná nemovitost bude v budoucnu obsazena. Tento přístup má své
konsekvence – hrubá poptávka je reálným odrazem aktivity na straně poptávky v daném čtvrtletí,
na druhou stranu poptávka je reportována dříve než adekvátní nová výstavba. Nesoulad je přibližně
dvě až tři čtvrtletí, která souvisí s dobou výstavby průmyslové haly.
Dle mého názoru lepším systémem by bylo zaznamenávat smlouvy o budoucí smlouvě nájemní
samostatně jako nerealizovanou poptávku, a do hrubé poptávky započítávat jen realizované
nájemní smlouvy. Tento systém by lépe popisoval skutečný vývoj realizované poptávky vzhledem
k nové výstavbě, přitom by v žádném případě neměl vliv na evidenci obsazenosti, jelikož smlouvy
o budoucí smlouvě nájemní souvisí s prostorem, který v evidenci v době podpisu smlouvy o
budoucí smlouvě nájemní neexistuje.
Jelikož GTU obsahuje i prodloužení stávajících smluv a jejich expanze, kumulují se v tomto
ukazateli i dříve poptávané prostory, vývoj GTU má tudíž cyklický charakter související s délkou
nájemních smluv podepisovaných na trhu s průmyslovými nemovitostmi standardně na tři, pět,
sedm a deset let, nejčastějšími jsou nájemní smlouvy na pět let.
Rozmach trhu s průmyslovými prostory třídy A k pronájmu nastal v roce 2002, kdy se
standardizované průmyslové haly začaly objevovat i v mimopražských lokalitách a kolem hlavních
logistických uzlů. Graf 1 v příloze popisuje vývoj zásoby průmyslových ploch v Česku od roku
2002 do konce roku 2018. Trendová linie odděluje období s vyšší a nižší než průměrnou výstavbou.
48
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
V období do konce roku 2005 byla nová výstavba SUP moderních průmyslových ploch vůči
průměru zabrzděná, jelikož poptávka nebyla v tu dobu stabilní.
Nárůst zásoby v letech 2006 a 2007 souvisel s rozsáhlou spekulativní výstavbou, která byla
způsobena v tu dobu nízkou nepronajatostí a hladem po skladových prostorech v souvislosti
s růstem spotřeby domácích subjektů. V letech následujících je patrný propad růstu zásoby prostor
v důsledku globální finanční krize v letech 2007 a 2008. Nová výstavba od roku 2012 roste, zvýšené
tempo růstu zásoby lze sledovat až od konce roku 2016, kdy trh po téměř deseti letech zaznamenal
první náznaky semi-spekulativní výstavby – jedná se o výstavbu na základě předpronájmu budovy,
kterou developer staví větší (zpravidla o třicet až padesát procent) než je predpronajatá část s vizí
pronájmu semi-spekulativně stavěného prostoru před jeho dokončením. Ve čtvrtletích
následujících po konci roku 2018 očekávám zpomalení růstu zásoby s ohledem na nedostatek
připravených pozemků v klíčových i méně exponovaných lokalitách.
Analýzu vývoje hrubé poptávky a nové výstavby prezentuje Graf 2 v příloze. Je patrné, že nová
výstavba předčila od roku 2002 hrubou poptávka jen v letech 2006 až 2008, kdy poměr
přejednaných a nových smluv byl ještě významně vychýlen směrem k nově uzavřeným smlouvám.
Tahouny poptávky v té době byly logistické firmy a maloobchodníci, rostoucí vliv měli také
dodavatelé v automobilovém a elektrotechnickém průmyslu.
Graf 3 detailněji popisuje vybrané ukazatele trhu s průmyslovými prostory v období mezi lety 2007
a 2018. Inspirován pracemi Wheaton (1987) a Wheaton (1999) rozdělil jsem sledované období do
tří epoch čtyřletých cyklů, které se odlišují svými charakteristikami nejen trhu uživatelů, ale i trhu
developerského a kapitálového:
- Epocha „U“, neboli epocha uživatelů – čtyři roky v období od prvního kvartálu 2008 do
čtvrtého kvartálu 2011;
- Epocha „D“, neboli epocha developerů – čtyři roky od prvního kvartálu 2012 do čtvrtého
kvartálu 2016;
49
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- Epocha „I“, neboli epocha investorů – tři roky od prvního kvartálu 2016 do konce
sledovaného období ve čtvrtém kvartálu 2018.
Graf 3: Čtvrtletní vývoj hrubé poptávky, nové výstavby a nepronajatosti českých průmyslových
prostor k pronájmu třídy A v období BUDI
6,00%
200 000
4,00%
100 000
2,00%
0 0,00%
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
50
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Těmto třem epochám předcházela Epocha „B“, neboli bezstarostná, která skončila v roce 2007,
kdy v tu dobu nezralý český trh s průmyslovými nemovitostmi dosáhl svého maxima. Celé období
proto lze nazývat souhrnně „BUDI“. V dalším textu budu k těmto epochám referovat a analyzovat
jejich rozdíly a zvraty. Jakmile budou známa data o trhu s průmyslovými nemovitostmi za celý rok
2019, bude vhodné Epochu I o tento rok rozšířit, jelikož charakteristiky trhu v první polovině roku
2019 této epoše odpovídají.
Od konce roku 2009 hrubá poptávka vždy předčila novou výstavbu. Bez ohledu na vliv finanční
krize by k tomuto rozdílu došlo z důvodu fenoménu, který se nazývá renegociace. Renegociace,
neboli přejednání, znamená prodloužení stávajících nájemních smluv, a jejich případné expanze, ve
stávajících prostorech. Renegociace tvoří na vyspělém trhu s průmyslovými prostory, kam český
trh již patří, více než polovinu celkové hrubé poptávky.
Nová poptávka (v angličtině „net take up“) je tvořena jen podepsanými smlouvami s novými
nájemci v dané lokalitě. Jakákoliv nová poptávka v současnosti, pokud je v budoucnu prodloužena,
se stává renegociací a zůstává součástí hrubé poptávky. Informace o vývoji nové poptávky nejsou
od IRF a Savills k dispozici za celé období BUDI, a proto nejsou součástí analýzy.
První renegociace se udály v letech 2005 až 2006. K výraznému nárůstu podílu renegociací na
celkové hrubé poptávce došlo ke konci Epochy U, kdy se přejednávaly smlouvy podepsané
v silných letech 2005 a 2006.
Nová výstavba v Epoše U byla v průměru vyšší než v následujících obdobích z důvodu
setrvačnosti spekulativní výstavby z předkrizových let, která se dokončila v roce 2009. Hrubá
poptávka v Epoše U byla ve srovnání s následujícím obdobím marginální. Nepatrná nová výstavba
ve spojení se stabilní absorpcí ke konci Epochy U vyrovnala nepronajatost na úroveň před rokem
2008. Období Epochy U lze považovat za trh uživatelů, resp. nájemců, kdy nájemci mohli využívat
ihned dostupné průmyslové prostory a kdy pronajímatelé měli zájem poskytovat značné pobídky,
aby volné prostory zaplnili. Nízké výnosy a nestabilní poptávka znamenala dramatické snížení
ziskovosti developmentu a nová výstavba v tomto období klesla na minimum.
Trh vstřebal šok vyvolaný finanční krizí až v Epoše D, kdy začalo do dnešních dnů trvající období
stabilní hrubé poptávky, stabilní nové výstavby v prostředí nízké nepronajatosti a omezené
spekulativní výstavby. Období Epochy D je charakteristické postupným vyrovnáním pozic mezi
nájemci a pronajímateli při tržně rovnovážné úrovni nepronajatosti kolem osmi procent. Pobídky
poskytované nájemcům ze strany pronajímatelů se zmenšily s nárůstem robustnosti hrubé
poptávky. Z důvodu v té době stále ještě nízkých stavebních nákladů a cen dostupných pozemků
51
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
začal být development ziskový, což se projevilo na rostoucí nové výstavbě, která dosáhla svého
čtvrtletního maxima ve třetím kvartále roku 2015.
Postupné vyčerpání pozemků připravených pro výstavbu, komplikace s novými povoleními pro
novou výstavbu v kombinaci se stabilní, vůči předchozím obdobím vysokou, novou poptávkou
stlačily v Epoše I nepronajatost na úroveň kolem 4 procent, trh se převážil na stranu pronajímatelů,
resp. lépe řečeno na stranu investorů, zejména těch financovaných v eurech, přestože došlo v letech
2017 a 2018 k poklesu hrubé poptávky vůči předchozím letům (důvodem poklesu bylo
přejednávání stávajících smluv ze slabších let 2012 a 2013).
Investoři vnímají potíže s povolováním nové výstavby pozitivně, jelikož to znamená omezení nové
nabídky, která způsobuje tlak na zvýšení základního nájemného a zvýšení tržní hodnoty
nemovitostí (ceteris paribus). Jak je patrné z Grafů 8 a 11, eurové základní nájemné od druhé poloviny
období UDI rostlo, což mělo pozitivní vliv na tržní hodnotu průmyslových nemovitostí. Základní
nájemné v českých korunách nerostlo v Epoše I stejně rychle jako to eurové, a proto alespoň část
nájemců s příjmy v českých korunách nevnímalo růst základního nájemného rušivě.
Specifickou vlastností českého trhu je rozdělení zásoby průmyslových prostor mezi malý počet
pronajímatelů. Tři hlavní hráči – CTP, Prologis a P3 – na straně nabídky mají dlouhodobě ve
vlastnictví nebo pod správou přes šedesát procent všech ploch v Česku. Jmenovitě ve čtvrtém
čtvrtletí 2018 to bylo 5,041 milionu metrů čtverečních z celkových 7,726 milionu metrů
čtverečních. Kompaktnost zásoby je ve srovnání se sousedními trhy faktorem stability českého trhu
s průmyslovými prostory, v tomto prostředí je role oceňovatelů klíčová. Na druhou stranu tato
charakteristika znamená menší konkurenci, jelikož všichni tito tři hráči jsou nejen investory a
managery svého portfolia, ale také developery.
Spojení developera a investora v jedné skupině znamená možnost dosažení vyšších výnosů při
nižším riziku vzhledem k možnému výkyvu trhu. I ostatní hráči na trhu, jako jsou VGP nebo
Goodman, mají tuto strategii. Strategie klasického developmentu pro prodej investorovi,
reprezentovaná například společnostmi Panattoni nebo Czech Industrial Development, je v Česku
minoritní. Tato tržní struktura znamená v obdobích zpomalení trhu (Epocha U) nižší likviditu,
která je kompenzována stabilitou portfolií velkých hráčů. Transakční hodnoty průmyslových
nemovitostí v Epoše I přiměly trh k aktivitě. Trh potvrdil svoji likviditu některými zásadními
transakcemi, které jsou detailněji popsány v Části 3.3.
Graf 3 indikuje možnou sezónnost hrubé poptávky a nové výstavby, kterou popisuje Tabulka 6 se
sezónní statistikou. Lepším kritériem, než je hrubá poptávka, by pro posouzením sezónnosti byla
52
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
veličina nová poptávka, nicméně sezónnost lze vysledovat i z kritéria čistá absorpce, která je
tradičně nejvyšší ve čtvrtém čtvrtletí, kdy se uživatelé zásobují pro vánoční období a kdy končí
stavební sezóna a developeři předávají nájemcům do užívání nové prostory, které se začaly stavět
na jaře téhož roku. Naopak nejnižší je čistá absorpce v prvním čtvrtletí, kdy se sklady spíše
vyprazdňují a kdy nové projekty spojené s poptávkou po průmyslových prostorech teprve začínají
s novým rozpočtovým obdobím firem. Nepronajatost je v průměru nejnižší v prvním čtvrtletí.
Četnost minimální a maximální nepronajatosti v prvním a čtvrtém čtvrtletí znamená, že v prvním
a posledním kvartále, častěji než v jiných ročních obdobích, začínají a končí nájemní smlouvy.
Stavební sezóna vrcholí ve třetím čtvrtletí, část výstavby, resp. dokončení projektů, se posouvá do
čtvrtého a prvního čtvrtletí, druhé čtvrtletí je z důvodu návaznosti na zimní období v nové výstavbě
nejslabší.
53
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Přehled vývoje vybraných ekonomických veličin, které slouží v této studii jako nezávislé proměnné
je obsažen v Tabulce 8 v příloze. Diskuse použití těchto veličin při analýze trhu s průmyslovými
nemovitostmi je součástí metodologické části této disertační práce.
Korelační analýza hrubé poptávky GTU a nové výstavby SUP v období UDI ukázala na silnější
závislost GTU na české měnové bázi posunuté o osm období (Pearsonův korelační koeficient
0,7118) než na HDP, přitom měnová báze a HDP jsou navzájem vysoce korelované. Relativně
silný vztah má SUP se zaměstnaností posunutou o dvě období (Pearsonův korelační koeficient
0,5446), což může souviset s volatilitou zaměstnanosti vzhledem k sezónnosti ve stavebnictví.
Pearsonův korelační koeficient ukazuje těsnější negativní korelaci mezi Indexem DP posunutým o
čtyři období a absorpcí A. Tento jev si vysvětluji developerskou aktivitou, která v optimistických
obdobích rozhoduje o nové výstavbě se zpožděním čtyř čtvrtletí.
Mnohem menší rozdíl je mezi českým a německým trhem. Německý trh je však značně roztříštěný
a neexistuje zde na rozdíl od Česka celistvá databáze moderních průmyslových ploch, a proto jsou
čísla zřejmě podhodnocena, stejně jako ve Francii. Nizozemsko je logistickou supervelmocí s
vysokou kupní silou a výbornými zdroji dat o trhu s průmyslovými nemovitostmi. S 1,915 m2 na
obyvatele a 801 m2 na jeden kilometr čtvereční plochy Nizozemsko vyčnívá nad ostatními zeměmi
ve vybavenosti moderními průmyslovými plochami.
54
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Srovnání zemí dle kritéria zásoby moderních průmyslových ploch v poměru k plošné velikosti a
k počtu obyvatel prezentuje Tabulka 9.
Tabulka 9: Zásoba moderních průmyslových ploch v poměru k plošné velikosti a k počtu obyvatel
v evropských zemích ke konci roku 2018
Pořadí zemí EU dle
Země Zásoba m2/km2 Zásoba na 1obyvatele
HDP na obyvatele 2018
Nizozemsko 801 1,915 3
Německo 185 0,801 6
Francie 75 0,610 11
Španělsko 57 0,592 14
Česká republika 102 0,754 15
Slovensko 55 0,499 20
Polsko 56 0,459 22
Rumunsko 18 0,214 26
Zdroj: Vlastní výpočty na základě dat poskytnutých Savills a dat z Eurostatu; pořadí zemí EU dle HDP na
obyvatele z dat Eurostatu
Zásoba moderních průmyslových prostor na 1 km2 činila ke konci roku 2018 v Česku 102 m2. Ve
srovnání s Polskem je to o 46 m2 více. V tomto kritériu zaostává český trh za německým o 83 m2.
Zajímavé je srovnání se Španělskem, které je v kupní síle před Českem, zaostává ale ve vybavenosti
moderními průmyslovými nemovitostmi. Domnívám se, že se jedná o jeden z doznívajících faktorů
finanční krize, která španělský nemovitostní sektor zasáhla více než jiné části Evropy.
55
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
50 000 3,00%
Na první pohled existuje souvislost mezi čistou absorpcí a nepronajatostí – Epocha U, kdy záporná
čistá absorpce způsobuje promptní nárůst nepronajatosti, byla vystřídány Epochou D, kdy došlo
k nárůstu čisté absorpce a postupnému snížení nepronajatosti. Epocha I je charakteristická stabilní
absorpcí, která drží nepronajatost na historicky nízké úrovni. Na konci Epochy I došlo k mírné
negativní absorpci a nárůstu nepronajatosti, jelikož pronajímatelé v tomto období po více než
deseti letech spustili spekulativní výstavbu.
V rámci evropského srovnání byla nepronajatost v Česku na konci roku 2018 pod průměrem na
úrovni Belgie, Polska, Německa a Velké Británie. Nižší nepronajatost má Dánsko a Rumunsko,
naopak Španělsko a Portugalsko je nad průměrem s úrovní kolem osmi procent.
56
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Nedostatek informací o transakcích na trhu s prostory znemožňuje přesné určení průměrné výše
základního nájemného v daném čtvrtletí, proto poradenské společnosti uvádí nejlepší (v angličtině
„prime“) základní nájemné formou rozpětí pro předem definovanou velikost standardního
průmyslového prostoru třídy A pro definovanou délku nájemní doby.
Základní nájemné použité v této studii vychází z dat IRF a z dat společnosti Savills a je stanoveno
pro Prahu a pro mimopražský trh jako průměr rozpětí nejlepšího základního nájemného v daném
čtvrtletí za standardní průmyslové prostory třídy A o velikosti pět tisíc m2 při nájemní smlouvě o
délce pěti let a podílu kanceláří na celkové ploše ve výši pěti procent, který je na trhu běžným
standardem. Váhou pro výpočet celorepublikového základního nájemného je velikost zásoby
průmyslových ploch v Praze a mimo Prahu. Funkční zápis výpočtu základního nájemného shrnují
Vzorce 11 až 13 (vlastní návrh - pozn. autora):
𝑅𝑚𝑎𝑥𝑃𝑡 −𝑅𝑚𝑖𝑛𝑃𝑡
𝑅𝑃𝑡 = ( ) (1 − 𝑘𝑂 ) + 𝑅𝑂𝑃𝑡 𝑘𝑂 (11)
2
𝑅𝑚𝑎𝑥𝑃𝑡 −𝑅𝑚𝑖𝑛𝑃𝑡
𝑅𝑀𝑃𝑡 = ( ) (1 − 𝑘𝑂 ) + 𝑅𝑂𝑃𝑡 𝑘𝑂 (12)
2
, kde je
RmaxPt, RmaxMPt…horní hranice měsíčního základního nájemného v Praze, resp. mimo Prahu v čase
t;
RminPt, RminMPt…dolní hranice měsíčního základního nájemného v Praze, resp. mimo Prahu v čase t;
ROPt, ROMPt…měsíční základní nájemné za kancelářské prostory v Praze, resp. mimo Prahu v čase t;
SPt, SMPt…zásoba moderních průmyslových prostor v Praze, resp. mimo Prahu v čase t.
57
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Takto vypočtené základní nájemné je v podstatě průměrovým indexem, který splňuje podmínku
homogenity podkladového vzorku nemovitostí a který byl popsán v části 2.1.2.1. Základní nájemné
je na českém trhu s průmyslovými prostory kotováno v eurech, platby standardně probíhají
po přepočtu přes směnný kurz ČNB střed v českých korunách. Průběh základního nájemného
v eurech a v českých korunách srovnávají Grafy 8 a 9 v příloze. Na první pohled je patrné, že kurz
české koruny například způsobil volnější pád základního nájemného v Epoše U a uvolnění
kurzových intervencí ČNB v dubnu 2017 znamenal pomalejší nárůst, resp. stagnaci, základního
nájemného v Epoše I.
Tabulka 11: Popisná statistika základního nájemného v Praze a mimo Prahu v období BUDI
Základní nájemné Minimum 94,52 Kč
v Praze Průměr 110,18 Kč
(Kč/m2/měsíc) Maximum 137,49 Kč
Základní nájemné Minimum 106,07 Kč
mimo Prahu Průměr 114,89 Kč
(Kč/m2/měsíc) Maximum 132,12 Kč
58
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 10: Základní nájemné v Praze a mimo Prahu a nepronajatost průmyslových prostor v Česku
v období BUDI
140,00 Kč 16,00%
B U D I
135,00 Kč
14,00%
130,00 Kč
125,00 Kč 12,00%
Intervence ČNB
120,00 Kč
10,00%
115,00 Kč
8,00%
110,00 Kč
105,00 Kč 6,00%
100,00 Kč
4,00%
95,00 Kč
90,00 Kč 2,00%
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Základní nájemné v českých korunách v Praze kleslo až na úroveň 95,31 Kč/m2/měsíc ve druhém
čtvrtletí roku 2010, minima dosáhlo ve třetím kvartále roku 2011. Na mimopražském trhu klesalo
základní nájemné pozvolněji a dosáhlo svého minima 106,07Kč Kč/m2/měsíc ve druhém čtvrtletí
2011.
Důvody takového vývoje ve sledovaném období, stejně jako důvody vyššího průměrného
základního nájemného v převážné části období BUDI mimo Prahu, jsou několikeré:
Všechny tyto faktory se od Epochy U měnily ve prospěch Prahy až došlo k vyrovnání průměrného
základního nájemného v obou regionech v posledním kvartále 2018:
59
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
V současné době lze mimopražský trh dělit na trh plzeňský, ústecký, brněnský (resp. jihomoravský)
a ostravský (resp. moravskoslezský). Oblast východních a jižních Čech ještě čeká na svoji obrodu.
Každý trh má jinou dynamiku, lze ale konstatovat, že mimopražský trh funguje celistvě a základní
dělení mezi Prahu a mimopražské lokality je možno považovat za relevantní.
Základní nájemné v českých korunách vykazuje vysokou míru autokorelace při posunu o jedno
období (r=0,9006), autokorelace je signifikantní v posunu až o čtyři období (r=0,555).
K obdobnému závěru dospěli i Tsolacos et al (2005), jedná se tudíž o fenomén potvrzený i
z vyspělejších trhů. Vývoj základního nájemného má skutečně paměť, pronajímatelé jej neradi
mění, jelikož základní nájemné slouží jako důležitý faktor stanovení tržní hodnoty nemovitosti.
Podstatný vliv na autokorelaci má i existence indexačních doložek, které způsobují nárůst
základního nájemného v čase a které zohledňují faktor zhodnocení stávajících prostor z důvodu
omezené velikosti prostorové zásoby.
Efektivní nájemné je definováno jako průměrné nájemné po dobu nájmu po zohlednění všech
pobídek ve formě nájemních prázdnin a příspěvků na dovybavení. Jestliže jsou data o základním
nájemném dostupné alespoň ve formě spreadu, který prezentují IRF a poradenské společnosti,
informace o efektivním nájemném nejsou dostupné vůbec, jelikož jeho výpočet je specifický pro
každou transakci a jeho vývoj se nesleduje. Přesto tento indikátor trhu, který je mezi účastníky
sdílen ústně, slouží účastníkům trhu v orientaci a předpovědi jeho dalšího vývoje.
Pro stanovení výše efektivního nájemného jsem se inspiroval ve výnosové metodě „doby a
návratu“ (v angličtině „term and reversion“), ve které oceňovatel určuje dobu, po kterou
pronajímatel nebude inkasovat nájemné (v angličtině „void“). V peněžním vyjádření je „void“
souhrnem ušlého nájemného po dobu nutnou pro nalezení nájemce a pobídek, které pronajímatel
poskytne nájemci.
60
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Tržní efektivní nájemné lze tudíž vyjádřit Vzorcem 14 (vlastní návrh – pozn. autora):
, kde je
Pronajímatelé při poskytování slev nájemcům zvažují mnoho různých faktorů, nicméně
nejdůležitějším faktorem je stav a budoucí vývoj trhu s prostory. Základní orientaci o stavu trhu
s prostory získávají obě strany trhu z kritéria nepronajatosti, která je vyjádřena procentem
nepronajatých ploch na celkové zásobě trhu. V období vysoké nepronajatosti, obzvláště při
výhledu dalšího oslabení poptávky a značné rozestavěnosti, pronajímatelé preferují své pozice
uzavírat a poskytují nájemcům větší slevy. Naopak v období nízké nepronajatosti, stabilní nebo
rostoucí poptávky při nízké úrovni rozestavěnosti, pronajímatelé poskytování slev nájemcům
omezují. Tento závěr je v souladu s Thompson a Tsolacos (1999), kteří uvádějí nepronajatost jako
jednu ze zásadních veličin ovlivňujících výši nájemného, k obdobnému závěru dospěli i Buttimer
et al. (1997).
S rostoucí nepronajatostí tudíž roste i procento slevy a naopak, proto má výše slevy z nájemného
progresivní charakter. Rovněž platí, že pronajímatelé poskytují pobídky i v případě, že je
nepronajatost minimální, jelikož se na trhu vytvořil úzus o standardní slevě pěti procent při pětileté
nájemní smlouvě za jakéhokoliv stavu trhu. Maximální sleva je v případě stávajícího objektu
ohraničena podmínkami financování a v případě nové výstavby požadovaným developerským
ziskem, jen za výjimečných tržních podmínek může sleva překročit při pětileté smlouvě dvacet
procent. Vyjádřím-li slevu ve formě doby „void“, potom sleva pět procent při pětileté nájemní
smlouvě odpovídá třem měsícům nájemného, a sleva dvacet procent odpovídá dvanácti měsícům
nájemného. V oceněních se „void“ pohybuje právě v tomto intervalu.
Na základě výše uvedených úvah jsem odvodil koeficient slevy z nájemného v následujících
intervalech dle tržní nepronajatosti:
61
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Vývoj efektivního nájemného v eurech a v českých korunách vypočteného dle Vzorce 14 popisuje
Graf 11 v příloze. Efektivní nájemné v českých korunách se stejně jako v eurech dotklo svého
minima mezi lety 2009 a 2010, odkdy s výkyvy roste až do současnosti. V Epoše D efektivní
nájemné v českých korunách narostlo z úrovně 95Kč na úroveň 100Kč/m2/měsíc, v eurech to
bylo navýšení z úrovně 3,60EUR na 3,80EUR/m2/měsíc. V Epoše I se efektivní nájemné
v českých korunách stabilizovalo a osciluje kolem úrovně 105Kč/m2/měsíc. Efektivní nájemné
v eurech se ve stejném období vyšplhalo na své maximum až v polovině roku 2018, aby ke konci
roku kleslo k 4,07EUR/m2/měsíc. Tento vývoj odpovídá skutečné situaci na trhu s prostory
v období BUDI, a proto lze model efektivního nájemného považovat za relevantní.
Z modelu efektivního nájemného vyplývá, že efektivní nájemné mezi lety 2007 a 2018 pokleslo o
12,6 procenta, přitom ceny pozemků vzrostly (viz část 3.2.1.). S ohledem na závěry Thompson a
Tsolacos (2001) to znamená, že existuje prostor pro růst efektivního (i základního – pozn. autora)
nájemného v dalších obdobích. V letech 2019 a 2020 tudíž předpokládám navýšení základního
nájemného a jeho stabilizaci mezi 110Kč a 125Kč/m2/měsíc, resp. 4,30 a 4,90EUR/m2/měsíc.
Efektivní nájemné ve stejném období bude oscilovat mezi 105Kč a 120Kč/m2/měsíc, resp. mezi
4,10EUR a 4,70EUR/m2/měsíc.
Dle French a Wiseman (2003) zvažují nájemci celkové náklady prostoru, nájemné je jedním, i když
zřejmě nejdůležitějším, z mnoha dalších faktorů. Technologická vylepšení moderních
průmyslových budov, jako jsou úsporné osvětlení LED nebo lepší izolace a efektivnější topné
systémy, umožňují nájemců z důvodu úspor provozních nákladů platit vyšší základní nájemné
Některé úsporné technologie jsou nájemcům nabízeny formou pobídky, takže efektivní nájemné
nemusí růst stejně jako základní nájemné (pozn. autora).
efektivního nájemného vyhlazeny, jak ukazuje Graf 12 v příloze. Efektivní nájemné je z tohoto
pohledu lepším indikátorem skutečného stavu trhu s průmyslovými prostory a bude lepším
podkladem pro konstrukci indexu v metodologické části disertační práce, který může sledovat trh
uživatelů (více viz metodologická část – pozn. autora).
- levnější koruna znamenala nižší náklady pro exportéry a pro poskytovatele logistických služeb
s příjmy v eurech, což podpořilo růst těchto společností a jejich zvýšenou poptávku po
moderních průmyslových prostorech;
- dražší eurové základní i efektivní nájemné pro subjekty s příjmy v českých korunách, resp.
zlevnění základního a efektivního nájemného pro tyto subjekty po konci kurzových intervencí.
Po skončení intervencí došlo k posílení koruny, čímž vznikl prostor pro růst základního nájemného
v eurech i v korunách v období od poloviny roku 2017. Tento trend byl umocněn stabilní
poptávkou a již zmíněným nedostatkem nové výstavby.
Na závěr této části je vhodné zmínit systém „triple net lease“ nebo také „NNN“, který se na trhu
s moderními průmyslovými nemovitostmi postupem času prosadil. V tomto systému je nájemce
odpovědný, kromě platby nájemného a plateb za spotřebu energií, i za veškerou údržbu a opravy
nestrukturálních částí budovy, nájemce hradí i daň z nemovitosti a pojištění budovy napřímo nebo
prostřednictvím poplatků za služby prostřednictvím pronajímatele. Pronajímatel je odpovědný za
údržbu a opravy strukturálních částí budovy případně za služby týkající se celého průmyslového
parku, nicméně tyto náklady jsou rovněž zahrnuty do poplatků za služby, které hradí nájemce.
Základní nájemné je tudíž očištěno o náklady spojené s provozem budovy a lze jej považovat za
čistý provozní příjem spojený s vlastnictvím budovy. Náklady spojené s provozem budovy včetně
daně z nemovitosti a pojištění budovy bez energií se u moderních průmyslových hal pohybuje na
úrovni 0,70EUR/m2/měsíc. Náklady na spotřebu energií jsou specifické pro každý provoz, a nelze
je tudíž paušalizovat. S ohledem na French a Wiseman (2003) jsou tyto náklady spojené s nájmem
průmyslových prostor důležitým faktorem při rozhodování nájemce o konkrétním prostoru.
Pro účely této studie lze konstatovat, že v celém sledovaném období se náklady spojené
s provozem moderních průmyslových budov v Česku významně neliší a lze je považovat za
konstantu, která neměla na vývoj základního a efektivního nájemného zásadní vliv. Pokud
v budoucnu dojde k výrazné změně těchto nákladů, může dojít ke korekci efektivního nájemného,
základní nájemné ovlivněno nebude, jelikož pronajímatelé se budou snažit zvýšené náklady
kompenzovat formou pobídek, případně úpravou technického standardu za účelem zefektivnění
provozu budovy.
Developeři zajišťují dostatečný přísun moderních prostor na trh. Stále častěji fungují jako
katalyzátor, který čistí trh od přebytečných a nevyhovujících nemovitostí, které nahrazují novými,
technologicky vybavenými prostory, které mohou sloužit dalšímu intenzivnějšímu využití. S růstem
populace a s růstem nároků na kvalitu života klesá zásoba volného rozvojového prostoru, a proto
efektivní využití prostorů je nevyhnutelný budoucí proces. Developeři v tomto procesu hrají
nezastupitelnou roli. Mají podklady pro svá rozhodnutí, která dělají s vizí budoucího, dnes
neznámého, trhu, a proto často potřebují použít i intuici, o to složitější je sledovat developerský
trh pomocí indexových nástrojů.
64
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Stejně jako v ostatních částech nemovitostního trhu i na developerském trhu jsou relevantní a
ověřitelná data nedostačující, proto jsem dostupná data doplnil o vlastními výpočty. Tabulka 13 v
příloze shrnuje vývoj hlavních ukazatelů developerského trhu.
Dalším důležitým vstupem do nákladové funkce developmentu je cena pozemků, která tvoří mezi
deseti až třiceti procenty celkových nákladů výstavby. Jestliže na trhu s prostory a na kapitálovém
trhu existují alespoň nějaká data o ukazatelích, na trhu s pozemky pro průmyslový development
nejsou k dispozici žádná data o vývoji cen průmyslových pozemků a o objemu transakcí s nimi,
nelze tudíž odkázat na jakýkoliv zdroj a nutno při odvození vývoje cen pozemků vyjít ze zkušenosti.
V souvislosti s pozemky je nutno zmínit velké regionální rozdíly mezi cenami průmyslových
pozemků a z toho vyplývající široký interval podílu ceny pozemku v celkovém rozpočtu. Pozemky
v hlavních průmyslových lokalitách vybavené pravomocným územním rozhodnutím a sítěmi se
obchodují za až pětkrát vyšší ceny než pozemky v méně exponovaných regionech. Pro účel
disertační práce jsem modeloval průměrnou cenu průmyslového pozemku s povolením pro
výstavbu se zastavěností padesát procent, tzn. padesát procent plochy pozemku je pokryto
půdorysem haly, zbytek tvoří zpevněné plochy a zeleň. Zastavitelnost pozemku je jedním
z klíčových parametrů, který rozhoduje o jeho výtěžnosti a o ziskovosti developmentu na něm.
Padesátiprocentní zastavitelnost je optimální maximálně efektivní zastavitelnost pro průmyslový
development.
65
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Na českém trhu s pozemky platí úzus o souladu vývoje cen pozemků s inflací bez vztahu
s hospodářským cyklem. Pro účely analýzy jsem zvolil výchozí cenu za pozemky připravené pro
průmyslový development ve výši 1100Kč/m2, která dle zkušenosti odpovídá průměrné ceně
průmyslových pozemků s pravomocným územním rozhodnutím a sítěmi na hranici v roce 2007.
Inflace aplikovaná na výchozí cenu průmyslových pozemků znamená nárůst ceny v období BUDI
na úroveň 1391Kč/m2, která dle mé zkušenosti odpovídá průměrné ceně v posledním kvartále
tohoto období.
Thompson a Tsolacos (2001) dovozují, že vývoj cen pozemků je svázán nikoliv s inflací, ale
s nájemným a kapitalizační mírou prostřednictvím výpočtu reziduální hodnoty pozemku, kterou
jsou developeři schopni a ochotni za výkup pozemku zaplatit. Tento předpoklad dle mojí
zkušenosti nefunguje na českém trhu, na kterém reziduální výpočet ceny pozemků není akceptován
jejich vlastníky a na kterém pozemky připravené k výstavbě postupně dochází, a proto ceny
pozemků rostou zejména z důvodu jejich omezeného množství. V tomto případě se developeři
cenám pozemků přizpůsobují.
Dle Boudry et al (2012) by růst tržních hodnot pozemků měl být vyšší než růst tržní hodnoty
budov. V období od roku 2007, kdy byly nominální hodnoty průmyslových nemovitostí na svém
maximu, do konce roku 2018 tržní hodnota průmyslových nemovitostí poklesla (viz také části 3.3.
a 4.4.). Ve stejném období modelované ceny pozemků vzrostly o 26,45 procent, a proto v souladu
s Boudry et al (2012) lze navržený model vývoje cen průmyslových pozemků v závislosti na inflaci
považovat za reálný a pro účely analýzy v disertační práci za vhodný.
Česká republika je v současné době, dle The World Bank (2019) na sto padesátém šestém místě
v délce získání povolení pro výstavbu, od roku 2018 si Česko v tomto kritériu pohoršilo o dvacet
devět míst (viz Tabulka 2). V průměru lze získat povolení k výstavbě za dvě stě čtyřicet šest dní,
povolení pro průmyslový objekt trvá o něco déle, cca dvanáct měsíců. Výstavba průmyslových
ploch si vezme v našich klimatických podmínkách a v současném stavu stavební technologie
v průměru devět měsíců. Celkem development průmyslových ploch trvá po započtení nutných
právních kroků k zajištění pozemku cca dvacet čtyři měsíců od rozhodnutí na pozemku stavět.
Projekt iniciovaný v roce 2019 bude tudíž dokončen nejdříve v roce 2021. Délka povolovacího
procesu znamená zásadní zpoždění nabídky za poptávkou a tím i tlak na růst základního nájemného
(Fischer, 1999) a zprostředkovaně na růst tržní hodnoty nemovitostí. Český trh s průmyslovými
nemovitostmi lze z tohoto důvodu považovat za nerovnovážný (Wheaton a Torto, 1990). Od roku
2018 s ohledem na délku povolovacího procesu a s ohledem na ubývající zásobu ceny pozemků
66
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
připravených pro průmyslový development v Česku rostou rychleji než inflace, což bude nutno
zohlednit v modelu, jakmile bude v budoucnu rozšířen o rok 2019.
, kde je
, kde je
Zájmem developera je zkrátit dobu trvání developerského projektu na minimum, aby rentabilita
vloženého kapitálu byla co možná nejvyšší a náklady financování co nejnižší. Pokud se celkové
náklady TCt v Tabulce 13 v příloze odečtou od transakčních cen TPt vypočtených z dat v Tabulce
14 v příloze lze získat odhad developerského zisku v obdobích, ve kterých došlo k reálným
transakcím. Podíl takto vypočteného zisku na celkových nákladech včetně odměn je odhadem
ziskovosti průmyslového developmentu.
V Grafu 13 je v souladu se závěry studie Wheaton (1999) zřetelný vztah mezi novou výstavbou
průmyslových prostor a odhadnutou ziskovostí průmyslového developmentu. Tento vztah se mezi
jednotlivými epochami liší.
V letech 2006 a 2007, v Epoše B, byla ziskovost průmyslového developmentu na svém vrcholu,
v tu dobu nízké ceny pozemků při stále relativně nízkých stavebních nákladech byly dostatečně
kompenzovány transakčními cenami nemovitostí, které byly z dnešního pohledu na svoji dobu
nadhodnocené.
Nová výstavba (m2) Developerský zisk (%) Polyn. (Developerský zisk (%))
Zdroj: Vlastní graf a výpočty z dat poskytnutých IRF a Savills a z dat dle Českých stavebních standardů
Poptávka se v tu dobu zdála být rovněž stabilní a nízká zásoba a vidina vysokého zisku motivovala
developery ke spekulativní výstavbě. Prudký pád tržních hodnot nemovitostí a poptávky v roce
68
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
2009 znamenal postupné snížení ziskovosti projektů až do ztrátovosti v letech 2009 až 2012,
developeři v tu dobu téměř přestali stavět.
Zvýšení ziskovosti a stabilizace poptávky po prostorech v letech 2014 a 2015, stále ještě nízké ceny
stavebních pozemků a jejich dostatečná zásoba v kombinaci s rostoucími tržními hodnotami
průmyslových nemovitostí podnítila developerskou aktivitu v Epoše D, která rostla i v Epoše I,
kdy development již naráží na nedostatek připravených volných pozemků. Růst cen pozemků pro
průmyslový development se od poloviny roku 2018 zrychluje. Developeři průmyslových
nemovitostí, častěji než v minulosti, sahají po rozvoji brownfieldových a dražších lokalit, aby mohli
uspokojit poptávku po prostorech.
Korelační analýza ukázala pozitivní korelaci mezi developerským ziskem a Indexem DP posunutým
o dvě období (r=0,6218) a mezi developerským ziskem a novou výstavbou v běžném období
(r=0,7267). V souladu s očekáváním developerský zisk nekoreluje s makroekonomickými ukazateli
v Tabulce 8, jelikož HDP a měnová báze mají v sobě komponent paměti a ostatní ukazatele nijak
s developerskou aktivitou nesouvisí. Rozhodnutí developerů o nové výstavbě závisí na posouzení
regionálních tržních podmínek spíše než na makroekonomických faktorech.
Z databáze proběhlých transakcí jsem odstranil transakce s halami třídy B a transakce s prázdnými
budovami bez pronájmu. Takto očištěná databáze srovnatelných transakcí (Geltner, 2014) v sobě
stále skrývá některé nahodilosti (Geltner a Ling, 2006), které je nutno mít v patrnosti:
69
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- v souladu se závěry Bokhari a Geltner (2010) došlo při medvědím trhu v letech 2008 až 2010
k pozastavení obchodování s průmyslovými nemovitostmi, jelikož vlastníci průmyslových
nemovitostí preferovali inkaso základního nájemného, než aby realizovali nižší než očekávaný
kapitálový výnos;
- četnost transakcí se od roku 2012 zvýšila, v letech 2014 až 2018 došlo k transakci
s průmyslovými nemovitostmi třídy A v každém pololetí, trh je likvidnější a chová se
procyklicky (Geltner, 2014);
- průměrná transakční cena v Praze a mimo Prahu od roku 2011 má rostoucí trend, nejnižší
cena 497EUR/m2 průmyslového prostoru třídy A v Praze byla dosažena v prvním kvartále
2014, cena mimo Prahu dosáhla svého minima 550EUR/m2 ve čtvrtém kvartále 2011;
- trendové linie založené na lineárním průběhu transakčních cen průmyslových nemovitostí
v Praze a mimo Prahu se od roku 2010 přibližují.
70
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 14: Průměrná transakční cena průmyslových nemovitostí v Praze a mimo Prahu v období
BUDI
1 400 €
B U D I
1 300 €
1 200 €
1 100 €
1 000 €
900 €
800 €
700 €
600 €
500 €
400 €
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Objem transakcí působí na trh procyklicky, s množstvím transakcí se zvyšuje likvidita trhu a klesá
průměrná nominální i reálná kapitalizační míra. Objem transakcí na českém trhu s průmyslovými
nemovitostmi se v Epoše I vychýlil na stranu mimopražských lokalit i vzhledem k nedostatku
produktu k investování na pražském trhu.
Zvýšení četnosti transakcí, respektive zvýšená investiční aktivita, v Epoše D a I souvisí s razantním
snížením úrokových sazeb ze strany Evropské Centrální Banky v posledním kvartále roku 2012 a
dalším snížením dokonce do záporných hodnot v polovině roku 2015. Kotace základního
nájemného v EURech totiž na český trh láká EURové investory.
V prostředí nízkých úrokových sazeb jsou investoři ochotni zaplatit za nemovitost vyšší cenu, která
má větší šanci přesvědčit vlastníky o prodeji. Průmyslové nemovitosti v tomto období zároveň
získávaly v očích investorů na atraktivitě a podnítily investory k ochotě si za ně připlatit, přesto
vlastníci průmyslových nemovitostí v Praze nejsou ochotni prodávat.
Aritmetický průměr transakčních cen v Praze v celém období BUDI je o 89EUR/m2 nižší než
průměr cen mimo Prahu ve stejném období, přitom k zásadnímu rozdílu cen došlo v Epoše D.
Jedním z důvodů je vyšší četnost transakcí v Epochách D a I mimo Prahu, tudíž vyšší celkový
71
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
objem transakcí při vyšších cenách. Za celé sledované období od roku 2007 došlo v Praze
k patnácti transakcím s průmyslovými nemovitostmi, kdežto mimo Prahu to bylo celkem dvacet
transakcí. Počet transakcí s mimopražskými aktivy v čase roste, v Epoše I jich bylo celkem již osm.
Četnost transakcí v Praze byla na maximu v Epoše D, kdy jich bylo celkem osm, v Epoše I jich
byly ale jen čtyři. Důvodem snížené investiční aktivity v Praze je dle mého názoru postupné ubývání
pozemků připravených k výstavbě v Praze a neochota současných vlastníků průmyslových
nemovitostí v Praze k prodeji, jelikož očekávají zhodnocení investic z důvodu nárůstu základního
nájemného při snižující se míře kapitalizace. Dalším důvodem je konsolidace trhu v Praze, kdy trh
nyní ovládají dva hlavní hráči – Prologis a P3 – kteří mají strategii „hold“, drží s vidinou budoucího
zhodnocení, ať již z důvodu developmentu, zvyšujícího se základního nájemného nebo z důvodu
kapitálového výnosu.
Přestože se četnost transakcí od roku 2012 zvýšila, stále se jedná o jednotky transakcí ročně.
S ohledem na závěry studie Boudry et. al (2012) o souvislosti množství transakcí a velikosti regionu
bude vhodné indexy trhu s průmyslovými nemovitostmi (více viz v části 4.4.) vytvořit za celý český
trh z dat o pražském a mimopražském trhu. Malá četnost transakcí v Česku má v souladu se závěry
stejné studie vliv na zvýšenou volatilitu transakčních cen, o čemž svědčí Tabulka 15.
Pokud se na trh s průmyslovými aktivy podíváme optikou expertních odhadů, potom prostý
aritmetický průměr kapitalizačních měr v Praze je dle odborníků v období BUDI o 0,81% nižší než
v mimopražských lokalitách. Při průměrném základním nájemném v celém období BUDI v Praze
na úrovni 4,29EUR/m2/měsíc a mimo Prahu 4,39EUR/m2/měsíc jde o rozdíl na hodnotě
v průměru ve výši 40,57EUR/m2, neboli 1 073,67Kč/m2 ve prospěch Prahy.
Odborníci tudíž vidí tržní hodnotu průmyslových prostor třídy A v Praze výše, než by odpovídalo
skutečným transakcím. V perspektivě celého trhu odborníci přisuzují průmyslovým nemovitostem
tržní hodnotu, která se v Epochách D a I pravidelně nachází nad úrovní transakčních cen, Graf 15
72
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
tento fenomén znázorňuje srovnáním nominálních kapitalizačních měr dle expertních odhadů a
dle skutečných transakcí.
Graf 15: Průměrná nominální míra kapitalizace dle expertů a dle skutečných transakcí v období
BUDI
11,00%
10,50% B U D I
10,00%
9,50%
9,00%
8,50%
8,00%
7,50%
7,00%
6,50%
6,00%
5,50%
5,00%
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Průměrná nominální míra kapitalizace dle expertů i je stanovena jako vážený průměr odhadu
kapitalizačních měr v Praze a mimo Prahu, kde váhami jsou objemy transakcí v Praze a mimo
Prahu v čase, kdy k reálným transakcím došlo. V období, kdy k reálným transakcím nedošlo, je
výpočet založen na aritmetickém průměru expertního odhadu kapitalizačních měr v Praze a mimo
Prahu. Četnost a objem transakcí se v průběhu období BUDI zvyšují, a proto má objem transakcí
ke konci období BUDI větší vliv na výpočet průměrné nominální kapitalizační míry než na jeho
začátku.
Graf 16 srovnává vývoj takto vypočtených expertních nominálních měr s mírami dle skutečných
transakcí, vztah je na první pohled patrný. V celém období BUDI odborníci přisuzují průmyslovým
prostorům kapitalizační míru v průměru o čtyřicet tři procentních bodů nižší, než je míra
kapitalizace vyplývající z reálných transakcí. Po přepočtení do výnosnosti každého investovaného
eura, odborníci vnímají tržní hodnotu průmyslových prostor v průměru o 5,69 procent výše, než
vyplývá ve sledovaném období z evidence dle skutečných transakcí.
73
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 16: Průměrná nominální míra kapitalizace dle expertů a dle skutečných transakcí v období
BUDI
11,00%
10,50%
10,00%
9,50%
9,00%
8,50%
8,00%
7,50%
7,00%
6,50%
6,00%
5,50%
5,00%
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Tato dlouhodobě pozitivní odchylka odhadovaných hodnot od transakčních cen může dle mého
názoru souviset s institutem nejlepšího prostoru. Odborníci z IRF a Savills zveřejňují základní
nájemné a kapitalizační míry pro nejlepší průmyslové prostory, a proto by většina transakcí měla
být uskutečněna za nižší cenu, než je hodnota nejlepšího průmyslového prostoru, ledaže se jedná
o transakci, která mění či posouvá vnímání tržní hodnoty na vyšší úroveň.
V Epoše U jsou odchylky překvapivě malé a zároveň kapitalizační míry založené na skutečných
transakcích jsou nižší než indikace odborníků. Nejvýznamnější odchylky mezi vnímáním míry
kapitalizace ze strany odborníků a skutečnými mírami kapitalizace z reálných transakcí nastaly mezi
lety 2014 a 2017. Proto je nutno se podrobněji podívat na důvody těchto odchylek:
- v prvním kvartále roku 2014 proběhla transakce s parkem u D1 v Nupakách (lokalita Praha),
jejíž cena v sobě nesla diskont za potřebu značných investic, rozdíl mezi expertní a skutečnou
mírou kapitalizace je tudíž pochopitelný;
- v prvním kvartále roku 2015 byl rozdíl mezi odbornou a reálnou úrovní způsoben transakcí
na bázi prodeje a zpětného pronájmu distribučního centra Penny Marketu v Radonicích;
74
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
budova je vnímána jako specifická a transakce proběhla v českých korunách, proto je cena
tolik vzdálená odbornému odhadu nominální kapitalizační míry;
- v druhém kvartále 2016 proběhly transakce s regionálními distribučními centry v Lovosícich,
v Uherském hradišti a v Ostravě Mošnově, které jsou považovány za trhy nižší úrovně;
- ve čtvrtém kvartále roku 2017 je rozdíl způsoben transakcí v Lovosicích, budova je do značné
míry nestandardní a lokalita je mimo hlavní trh.
- v prvním kvartále roku 2018 je rozdíl způsoben transakcemi s menšími projekty mimo hlavní
trhy.
Transakce, u kterých je transakční cena vyšší, než je hodnota nejlepšího průmyslového prostoru, je
rovněž nutno prozkoumat:
- v roce 2009 došlo k transakci s distribučním centrem společnosti Tesco v Úžicích, která byla
podložena dvaceti pěti letým nájmem, který v té době (i dnes) je nadstandardně dlouhý;
- v roce 2011 byla uzavřena do té doby největší transakce českého nemovitostního trhu, kdy
VGP prodalo svoje portfolio, rovněž se jednalo o zlomovou transakci trhu, která předčila tržní
očekávání;
- nejvýraznější rozdíl nastal v posledním kvartále 2018, kdy doběhla portfoliová transakce mezi
prodávajícím CTP a kupujícím DEKA, která rovněž vyčnívala z důvodů velikosti a z důvodu
garancí, které CTP poskytla.
Pokud výše uvedené nadstandardní odchylky nejsou zohledněny, lze na základě dat v transakční
databázi tvrdit, že odborníci jsou v době poklesu a stagnace v letech 2009 až 2013 pesimističtější
než trh, naopak v době růstu v letech 2014 až 2018 jsou optimističtější než trh. Tabulka 16 popisuje
odchylky tržních hodnot dle expertních odhadů od skutečných transakčních cen v jednotlivých
periodách období BUDI.
Tabulka 16: Odchylky tržních hodnot průmyslových prostorů dle expertních odhadů od
skutečných transakčních cen v období BUDI
Perioda Podhodnocení Shoda Nadhodnocení
B - 1 1
U 4 - -
D 2 1 6
I 3 - 6
75
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Zároveň mohu na základě tržních dat tvrdit, že transakční ceny jsou vyšší než odborníky vnímaná
hodnota nejlepšího průmyslového prostoru, jen pokud se jedná o transakci, která svými
nadstandardními parametry mění do té doby obecně zažité tržní předpoklady.
Reálná výnosnost v eurech je v průměru v celém sledovaném období vyšší, jediným delším
obdobím, kdy reálné výnosy v českých korunách převýšily reálné výnosy investic v eurech, je konec
Epochy U. Na konci roku 2018 je reálná míra kapitalizace v eurech nad úrovní čtyř procent,
investice do českých průmyslových nemovitostí jsou stále zajímavé a v roce 2019 lze očekávat další
snížení nominálních kapitalizačních měr.
Výpočet časové řady průměrné reálné míry kapitalizace po odečtení úvěrového financování
předpokládá stoprocentní úvěrové financování, v reálném prostředí se financování pohybuje na
úrovni mezi šedesáti a sedmdesáti pěti procenty hodnoty nemovitosti, případně z celkových
nákladů developmentu.
76
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 17: Průměrná reálná míra kapitalizace dle odborníků po odečtení nákladů úvěrového
financování v období BUDI
9,00%
8,00% B U D I
7,00%
6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
0,00% Intervence ČNB
-1,00%
-2,00%
-3,00%
-4,00%
-5,00%
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Průměrná reálná míra kapitalizace po odečtení nákladů úvěrového financování v EUR (%)
Průměrná reálná míra kapitalizace po odečtení nákladů úvěrového financování CZK (%)
Při tržně standardním úvěrovém financování na úrovni sedmdesát procent hodnoty a při bankovní
marži ve výši dvě procent nad 3M EURIBOR resp. 3M PRIBOR je kumulovaná nominální
výnosnost vlastního kapitálu v celém období BUDI téměř dvakrát vyšší (19,35 procent) při
financování v eurech než při financování v českých korunách (10,75 procent), proto je investování
do českých průmyslových nemovitostí v EURech tolik populární.
Tabulka 17: Přehled transakcí s nemovitostmi obchodovanými více než jednou v období BUDI
Nemovitost Lokalita Velikost Období Nominální hodnota Nominální hodnota Míra
(m2) transakce (tis. EUR) EUR na m2 kapitalizace (%)
Karlovarská Business Park 19 300 Q2/2007 25 300 1 311 6,50%
Praha 19 400 Q2/2015 10 000 515 10,00%
20 000 Q2/2017 17 500 875 7,50%
Logistic Park Lovosice Mimo Prahu 17 500 Q4/2009 10 550 602 11,00%
Q2/2016 11 900 680 9,00%
Karlovarská Business Park zaměřený na středně velké průmyslové jednotky byl obchodován v roce
2007 za cenu výrazně nad tržní hodnotou uváděnou odborníky pro nejlepší průmyslové prostory
mezi které Karlovarská Business Park bezesporu patří. Důvodem nadhodnocení bylo základní
nájemné, které v tomto parku bylo v době transakce nad tržním nájemným. Transakce v roce 2015
byla uzavřena naopak za cenu, která byla vůči indikacím odborníků podhodnocena, v mezidobí
došlo ke korekci základního nájemného a k transakci došlo na samém začátku rostoucího zájmu
investorů o průmyslové nemovitosti. V roce 2017 proběhla transakce s tímto parkem za cenu blížící
se tehdejší představě odborníků o tržní hodnotě nejlepších průmyslových prostor.
Logistic Park Lovosice se v roce 2009 obchodoval za vyšší cenu, než by odpovídalo indikacím
odborníků. Důvodem bylo základní nájemné kotované v českých korunách a vyjednané ještě před
globální finanční krizí a jeho přepočet do EUR kurzem, který byl na konci roku 2009 na úrovni
25,9CZK/EUR. V roce 2016 se transakční cena přiblížila k tržní hodnotě předpokládané
odborníky pro mimopražský trh.
Další komplikací je změna vlastností těchto parků v čase. Vliv změn výměry, změn nájemců a
podmínek jejich nájemních smluv a vliv zastarávání nebo případných investic do těchto
nemovitostí nelze v plném rozsahu v indexu založeném na reálných transakcích zohlednit.
průměr byl v roce 2018 na úrovni 4,93 procent. Z tohoto pohledu jistě existuje v roce 2019 v Česku
prostor pro další pokles nominálních kapitalizačních měr. Objemem transakcí je český trh
s průmyslovými nemovitostmi v EU jedním z menších. Graf 19 ukazuje podíly zemí EU na
celkovém objemu transakcí v roce 2018.
V Česku byly v roce 2018 uzavřeny transakce s nominální hodnotou cca 550 milionů EUR, což
představuje dvě procenta celkového objemu transakcí v EU. Největšími trhy jsou Velká Británie a
Německo, překvapivě malý podíl má Francie a Španělsko.
Graf 19: Podíl Česka na evropských investicích do průmyslových nemovitostí v roce 2018
Ostatní Belgie
5% 1% Česko
2%
UK Francie
28% 9%
Německo
21%
Švédsko
5%
Španělsko
5%
Polsko Itálie
6% 3%
Norsko Holandsko
6% 9%
Střední Evropa v tomto ohledu získává stále větší váhu a dá se předpokládat další zvýšení podílu
tohoto regionu na celkových transakcích v EU v blízké budoucnosti i vzhledem k blížícímu se
„brexitu“.
79
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Širší skupina menších oceňovatelů ze společností BDO, BNP Paribas, Knight Frank, RSM Tacoma
anebo Savills mají informace o trhu, které nemusí být kompletní, zároveň nemají dostatečně dlouhé
časové řady z ocenění a chybí jim zkušenosti z ocenění portfolií průmyslových hal. Znalci v těchto
společnostech proto poskytují tržní ocenění pro omezený okruh případů, resp. pro interní účely
developerů a investorů.
Dále je na trhu velká skupina menších znaleckých firem a jednotlivců s omezeným přístupem
k tržním datům. Měl jsem možnost nahlédnout do několika ocenění, a přestože nelze upřít autorům
snahu o odborný přístup, trpí jejich posudky nedostatkem informací a zásadními formálními
chybami při popisu podmínek, za kterých je ocenění prováděno.
Tržní hodnota jako hodnotová báze je na trhu s průmyslovými nemovitostmi široce používána a
akceptována developery, investory i bankami, méně již majiteli pozemků. Netržní báze (Mařík a
Maříková, 2011) se na trhu s moderními průmyslovými nemovitostmi používají jen pro interní
účely uživatele ocenění. Mezi nejpoužívanější standardy pro tržní ocenění průmyslových
nemovitostí patří RICS, IVS a standardy České bankovní asociace.
Malá četnost transakcí na českém trhu znamená pro oceňovatele práci zejména pro účely
financování nebo refinancování jednotlivých průmyslových nemovitostí nebo nemovitostních
portfolií u českých poboček zahraničních bank. Každá banka má svůj „bílý seznam“ (v angličtině
„white list“), na který se oceňovatel musí dostat, aby jej banka mohla začít používat pro oceňování
aktiv. Zároveň mají banky interní oceňovatele, kteří vytváří vlastní ocenění nebo kontrolují ocenění
externistů.
Nadnárodní fondy, které nepoužívají financování u českých poboček zahraničních bank nebo u
českých bank, oceňují svá portfolia zvenčí prostřednictvím velké čtyřky nadnárodních společností
s využitím dat jejich lokálních poboček, ostatní menší firmy a jednotlivci nemají možnost se
k těmto zakázkám dostat a participovat na nich.
Ocenění zadává znalci pro účely financování developer nebo investor, což vede ke konfliktu zájmu,
se kterým se oceňovatel musí popasovat v rámci svých etických hodnot. Kontrolu správnosti
ocenění provádí oponentní znalec, který je interním znalcem banky nebo externím znalcem
protistrany obchodu. Etické chování všech zúčastněných a vzájemná kontrola jsou v tomto smyslu
klíčové.
Domnívám se, že výše nastíněná struktura znaleckého trhu v kombinaci s omezeným objemem
práce je možným důvodem nižších hodnot českých průmyslových nemovitostí ve srovnání se
80
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
západními zeměmi. Fundamenty českého trhu jsou totiž na stejné nebo na lepší úrovni než
v případě srovnatelných zemí na západ od Česka, hodnoty jsou nižší.
Vstupní data disertační práce bylo nutno dopočítat a jejich složení ze dvou různých zdrojů, IRF a
Savills, není ideální. Přesto výsledný datový soubor je relevantní, o trhu vypovídající a odpovídající
jeho historickému vývoji. Pro budoucí výzkum bude klíčovým faktorem získání celistvých údajů o
proběhlých transakcích a o pravidelných oceněních jednotlivých průmyslových nemovitostí.
Zkušenosti ze zahraničí ukazují, že databáze nemovitostí mohou fungovat na bázi dobrovolnosti,
pokud provozovatel zaručí anonymitu, transparentnost a pokud omezí možnosti zneužití dat.
Expertní odhady tržní hodnoty nejlepších průmyslových prostorů jsou v souladu s očekáváním nad
transakčními cenami průmyslových nemovitostí. Výjimkou jsou transakce, které svými parametry
neodpovídají tržním předpokladům. Z dat vyplývá, že odborníci mohou být v období stagnace či
poklesu pesimističtější, než je trh, naopak v období růstu mohou být optimističtější.
81
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Průmyslové nemovitosti jsou vysoce standardizované a jejich zásoba v Česku je homogenní, jelikož
trh s nimi je relativně mladý a faktor zastarání není signifikantní jako na jiných, starších, trzích. Trh
se řídí informacemi o tržním základním a efektivním nájemném a o tržní nominální míře
kapitalizace, které poskytují poradenské společnosti pro nejlepší průmyslové prostory na trhu.
Indexy vychází z těchto dat, a proto popisují vývoj trhu s nejlepším prostorem s nejlepším
nájemcem, jelikož stále častěji je tržní hodnota prostoru vnímána nejen vzhledem k lokalitě a
technickým specifikacím, ale i vzhledem k bonitě nájemce a k délce jeho nájemní smlouvy. Způsob
výpočtu indexů jsem zvolil s ohledem na transparentnost jejich výpočtu a na pochopitelnost při
jejich aplikaci (Geltner, 2014).
Zde si dovolím upozornit, že specificky nezmiňuji tržní hodnotu nemovitosti, která kromě jiných
vlastností odpovídá stavu nemovitosti, nýbrž se zabývám tržní hodnotu prostoru, která více souvisí
s přidanou hodnotou provozu nájemce než s nemovitostí, ve které se nachází. V podmínkách trhu
s průmyslovými nemovitostmi, které jsou vysoce standardizované, je dle mého názoru právě tržní
hodnota prostoru předmětem dlouhodobých investic.
82
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Hustota vzorku dle Geltner a Ling (2006) je rovna jedné, jelikož frekvence ocenění, resp. transakcí,
se rovná frekvenci reportování indexu, a zároveň nejlepší průmyslový prostor je na trhu vždy jen
jeden. Takto nízká hustota vzorku by sice mohla znamenat nízkou kvalitu indexu, na druhou stranu
každý znalec/oceňovatel má jasnou představu o nejlepším průmyslovém prosotru s nejlepším
nájemcem na trhu, a proto je dle mého názoru hustota vzorku v tomto případě irelevantním
kritériem kvality. Homogenita vzorku odstraňuje možnou heteroskedasticitu klíčových atributů
průmyslové nemovitosti (Robinson, 1987).
83
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- uživatelé a developeři jsou motivovaní maximalizací zisku, investoři a vlastníci jsou motivovaní
maximalizací tržní hodnoty;
- český trh s průmyslovými nemovitostmi vyhoví efektivitě alespoň ve slabě formě – trh se
informacím přizpůsobuje se zpožděním, ale veškeré informace z minulosti absorbuje a
zároveň trh reaguje nepředvídatelně.
Výše uvedené podmínky modelu jsou zažity a pronikly do hloubky trhu, který si je uvědomuje a
přizpůsobuje se jim. Konstrukce indexů trhu s průmyslovými nemovitostmi je tudíž v souladu
s tržními a všeobecně akceptovanými podmínkami.
Je důležité si nejprve stanovit cíl, se kterým se do konstrukce indexu uživatelské pozice vchází.
Cílem je nalézt nástroj pro analýzu stavu a vývoje trhu s nájemními prostory, pro identifikaci pozice,
ve které se uživatel na trhu s nájemními prostory nachází. Nástroj, který by srozumitelným
způsobem dokázal popsat pozici nájemců, resp. uživatelů prostorů, a pronajímatelů na trhu
v minulosti, v současnosti a v blízké budoucnosti. Takový index uživatelské pozice by v kombinaci
s indexem developerského trhu, který bude konstruován v části 4.3., mohl popsat historický i
budoucí vývoj trhu s prostory.
Index základního nájemného, jako je CB Hillier Parker RE, který byl popsán v části 2.1.4., sleduje
historické pohyby základního nájemného a slouží ke krátkodobým předpovědím budoucích
pohybů základního nájemného. Typ indexu CBHP RE, který je založený na expertních odhadech
vývoje základního nájemného ve standardizovaných nemovitostech, nejlépe odpovídá dostupnosti
dat o základního nájemném a jeho vývoji na českém trhu s prostory, a proto bude předobrazem
indexu konstruovaného zde.
84
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
S ohledem na výše uvedené podmínky a v návaznosti na výpočet základního nájemného dle Vzorců
11 až 13 má index základního nájemného dle vzoru CBHP RE na českém průmyslovém trhu
funkční zápis dle Vzorce 17 (vlastní návrh – pozn. autora):
𝑅𝐵𝑅𝑡 −𝑅𝐵𝑅𝑡−1
𝐼𝐵𝑅𝑡 = (𝐼𝐵𝑅𝑡−1 + ) 𝑥 1000 (17)
𝑅𝐵𝑅𝑡−1
, kde je
Kterému čtvrtletí ve sledovaném období přiřadit hodnotu indexu ve výši 1000 bodů? Jistě by se
mělo jednat s ohledem na sezónnost trhu s prostory, která byla popsána v části 3.1.1., o první
kvartál roku, jelikož trh uživatelů i trh developerský je v tomto období klidnější a jejich ukazatele
nedosahují extrémů. Zároveň by se mělo jednat o rok v prostřední třetině období UDI, především
v druhé polovině Epochy D, tedy v letech 2014 a 2015, ve které se tržní ukazatele blíží
rovnovážným hodnotám:
Výše uvedené úvahy a ukazatele let 2014 a 2015 mě vedly k výběru prvního kvartálu roku 2015
jako referenčního období pro stanovení základní úrovně 1000 bodů pro všechny zkonstruované
indexy. Pokud je hodnota indexu ve výši 1000 bodů přiřazena prvnímu čtvrtletí roku 2015, bude
průběh takového indexu základního a efektivního nájemného mít podobu Grafu 20.
Pro výpočet obdobného indexu na základě efektivního nájemného dosadíme hodnoty efektivního
nájemného dle Vzorce 14 do Vzorec 18 (vlastní návrh – pozn. autora):
𝑅𝐸𝑅𝑡 −𝑅𝐸𝑅𝑡−1
𝐼𝐸𝑅𝑡 = (𝐼𝐸𝑅𝑡−1 + ) 𝑥 1000 (18)
𝑅𝐸𝑅𝑡−1
, kde je
85
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Z Grafu 20, který srovnává vývoj indexu základního a efektivního nájemného, je patrné, že
pronajímatelé v době krize na konci Epochy B a na začátku Epochy U zvyšují pobídky a poskytují
slevy, efektivní nájemné proto klesá rychleji než nájemné základní.
1 200,00
B U D I
1 150,00
1 100,00
1 050,00
1 000,00
950,00
900,00
850,00
800,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Nájemci maximalizující zisk v takovém období jsou motivováni k najímání levných prostor bez
nutnosti velkých investic. V Epoše D se růst základního a efektivního nájemného spojil a jeho
průběh se začal dělit až v Epoše I, kdy základní nájemné v českých korunách i kvůli konci intervencí
ČNB stagnuje, efektivní nájemné naopak roste, jelikož pobídky pronajímatelů v období nízké
nepronajatosti postupně klesají. Nájemci v tomto období již zvažují, zda najímat nové prostory
nebo zda investovat do stávajících prostor a zintenzivnit jejich užití.
Graf 20 sice vypovídá o vývoji základního a efektivního nájemného, méně vypovídá ale o pozici
nájemců, resp. uživatelů na trhu s prostory. Uživatelé mají na trhu lepší pozici v době vyšší
nepronajatosti a v době klesajícího základního a efektivního nájemného, jedná se o tzv. trh
86
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
nájemců. Naopak horší pozici mají nájemci v době nízké nepronajatosti, rostoucího základního a
efektivního nájemného, jedná se o tzv. trh pronajímatelů.
Převrácením hodnoty indexu efektivního nájemného dle Vzorce 19 lze získat číselnou řadu, jejíž
vývoj ukazuje Graf 21 (vlastní návrh – pozn. autora):
1
𝐼𝑈𝑃𝑡 = 𝐼 (19)
𝐸𝑅𝑡
, kde je
1 250,00
B U D I
1 200,00
1 150,00
Trh
1 100,00
nájemců
1 050,00
1 000,00
950,00
Trh
900,00
pronajímatelů
850,00
800,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Takto konstruovaný index nazývám Indexem uživatelské pozice, který vzhledem k hodnotě
nastavené na úrovni 1000 bodů v prvním kvartále 2015, ve kterém byla nepronajatost na trhu
s průmyslovými prostory na úrovni považované nájemci a pronajímateli za rovnovážnou, zřetelně
odděluje jednotlivé fáze trhu těmito prahovými hodnotami:
- úroveň 1000 bodů +/- 5,00 procent – stav nabídky a poptávky na trhu s průmyslovými
prostory, který lze považovat za rovnovážný;
- pod úrovní 950 bodů – trh pronajímatelů, pronajímatelé omezují pobídky poskytované
nájemců, při renegociaci mají pronajímatelé lepší pozici při jednání o nájemních podmínkách;
87
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- nad úrovní 1050 bodů – trh nájemců, nájemci mají lepší pozici a tlačí na snížení základního
nájemného a na zvýšení pobídek ze strany pronajímatelů, při renegociaci mají lepší pozici při
jednání o nájemních podmínkách.
Popisnou statistiku Indexu uživatelské pozice shrnuje Tabulka 18. Index uživatelské pozice se
stejně jako celý trh v průmyslovými prostory v první polovině období BUDI významně vychýlil na
obě strany, volatilita Indexu uživatelské pozice se v druhé polovině období BUDI ustálila a kolísá
mezi 950 a 1000 bodů. Index uživatelské pozice popisuje stav trhu v Epoše I jako mírný trh
pronajímatelů, což je v souladu s popisem trhu uvedeném v části 3.1.1.
Korelogram Indexu uživatelské pozice v Grafu 22b v příloze indikuje poměrně silnou autokorelaci
až do posunutí o šest období, což odpovídá závěrům studií Thompson a Tsolacos (1999) a
Tsolacos et al (2005). Index uživatelské pozice v průběhu epoch UDI negativně koreluje s Indexem
důvěry v průmysl posunutým o dvě období (r=-0,5736). Vysvětlení je logické - čím lepší je
očekávaná situace v ekonomice, tím horší je pozice nájemců, jelikož nepronajatost klesá a
pronajímatelé očekávají stabilní nebo rostoucí poptávku a s ní i vyšší základní a efektivní nájemné,
kterému se nájemci v období očekávaného růstu snáze přizpůsobují. Korelace s HDP je v běžném
období na středně silné úrovni (r=-0,7524), obdobně jako v případě zaměstnanosti (r=-0,7379).
Negativní korelace Indexu uživatelské pozice k nové výstavbě (r=-0,5606) je logickým důsledkem
opačných tržních pozic nájemců a developerů.
Ve velmi krátké době období BUDI Index uživatelské pozice vystřídal své extrémy:
- nejnižší historické hodnoty bylo dosaženo v druhém kvartále 2007 – trh byl extrémně
nevyvážený ve prospěch pronajímatelů, resp. developerů, kteří těžili nadprůměrné zisky
z vysoké úrovně základního nájemného;
- nejvyšší historické hodnoty dosáhl ve třetím kvartále 2009 – trh byl extrémně nevyvážený ve
prospěch nájemců, kteří těžili nadprůměrné slevy z důvodu zájmu pronajímatelů zbavit se
88
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Na konci roku 2018 je Index uživatelské pozice na úrovni 974 bodů, pronajímatelé mají mírně
navrch, pozice je to v krátkém horizontu nejistá, záleží na objemu nových prostor dodaných v roce
2019 spekulativně a na absorpci, která rozhodne o dalším pohybu základního nájemného a
nepronajatosti. V dlouhém horizontu bude uživatelská pozice záležet na stabilitě poptávky, jelikož
restrikce na straně nové výstavby bude přetrvávat.
V závislosti na dalším vývoji českého hospodářství v roce 2020 očekávám ochlazení poptávky a
může dojít k výkyvu trhu uživatelů směrem k rovnováze, kdy vyšší nepronajatost způsobí
stabilizaci efektivního nájemného i v případě rostoucího základního nájemného v souvislosti
s rostoucími náklady developmentu a s nemožností expandovat v nejlepších lokalitách.
S ohledem na diskusi dostupných dat v části 3.2. a možnost výpočtu hlavního motivátoru pro
developery – výše developerského zisku vypočteného dle Vzorce 16 – může index developerského
zisku mít následující funkčním zápis (vlastní návrh – pozn. autora):
𝐷𝑃𝑡 −𝐷𝑃𝑡−1
𝐼𝐷𝑃𝑡 = (𝐼𝐷𝑃𝑡−1 + ) 𝑥 1000 (20)
𝐷𝑃𝑡−1
, kde je
Pokud do Vzorce 16 místo transakčních cen (přepočtených do českých korun) vložíme hodnoty
expertních odhadů tržních hodnot prostorů vypočtených dle Vzorce 21 a odečteme od nich
89
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
celkové náklady developmentu TCt, získáme řadu hodnot DPt pro výpočet indexu dle Vzorce 20.
Hodnota 1000 bodů bude stejně jako v případě indexu v části 4.2. přiřazena prvnímu čtvrtletí roku
2015. Graf 13 ukázal na souvislost developerského zisku plynoucího z reálných transakcí
s vývojem nové výstavby. Vývoj Indexu developerského zisku založeného na výpočtu tržních
hodnot do perpetuity ve srovnání s novou výstavbou nabízí obdobný pohled (viz Graf 23 v
příloze).
Developerský zisk není jediným motivátorem developera, je jím i developerská odměna, která je
součástí celkových nákladů projektu TC.
Graf 24: Vývoj Indexu developerského zisku ve srovnání s vývojem Indexu DA v období BUDI
1 400,00
B U D I
1 300,00
1 200,00
1 100,00
1 000,00
900,00
800,00
700,00
600,00
500,00
400,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Připočteme-li tuto odměnu k developerskému zisku, je výsledkem Index developerské aktivity (dále
také jako „Index DA“), který je znázorněn na Grafu 24 ve srovnání s vývojem indexu
developerského zisku. Výsledek nijak nepřekvapil – developerská odměna je vůči developerskému
zisku marginální, nicméně může být důvodem developmentu i v obdobích, kdy je zisk minimální
nebo dokonce mírně záporný. Z důvodu srovnatelnosti s indexy definovanými v části 4.2 a 4.4. byl
přírůstek developerské aktivity mezi obdobími pokrácen na čtvrtinu, aby došlo ke snížení
absolutních rozdílů mezi hodnotami indexu při zachování jeho volatility, teprve takto bude vývoj
tohoto indexu možno srovnat s ostatními zkonstruovanými indexy.
90
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Popisná statistika Indexu developerské aktivity je v Tabulce 19. Přestože je Index developerské
aktivity diverzifikován součtem developerského zisku a developerské odměny je jeho volatilita
značná. Developerská aktivita se od roku 2014 stabilizovala, development se vyplácí i když se
značnými výkyvy. Volatilita Indexu developerské aktivity odpovídá riziku, které s developmentem
průmyslových nemovitostí souvisí.
Stejně jako celý trh s průmyslovými nemovitostmi i Index developerské aktivity se v období BUDI
sáhl na své extrémy:
- nejvyšší historické hodnoty dosáhl Index developerské aktivity ve druhém kvartále 2007 – trh
byl extrémně nevyvážený ve prospěch developerů, kteří těžili nadprůměrné zisky z dnešního
pohledu nadhodnocených průmyslových aktiv při stále nízkých celkových nákladech
developmentu; v tu dobu vysoká poptávka po prostorech, nízká nepronajatost a malá zásoba
byla zlatou érou průmyslového developmentu v česku;
- nejnižší historické hodnoty Indexu developerské aktivity bylo dosaženo ve třetím kvartále 2010
– zisky developerů se propadly do ztrát, které nebylo možno kompenzovat ani developerskou
odměnou; výstavba za předchozí čtyři kvartály byla nejnižší za celou historii trhu (viz také část
3.2.2.), nízké hodnoty nemovitostí nemotivovaly developery k výstavbě, někteří hráči dokonce
opustili trh nebo se začali zabývat jinými aktivitami (správa nemovitostí, výstavba do
vlastnictví).
Korelogram v Grafu 22a v příloze indikuje poměrně silnou autokorelaci Indexu developerské
aktivity v období UDI až do posunutí o čtyři období. Není to nic překvapivého s ohledem na
proces výstavby a její sezónnost. Srovnání vývoje Indexu developerské aktivity a nové výstavby je
zobrazen v Grafu 25.
91
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
1 400,00
B U D I
250 000 1 300,00
1 200,00
200 000
1 100,00
900,00
100 000
800,00
700,00
50 000
600,00
0 500,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Tento index koreluje v běžném období v průběhu epoch UDI s vývojem nové výstavby (r=0,6484)
a se zaměstnaností (r=0,7310) Pokud posuneme korelaci Indexu developerské aktivity s novou
výstavbou o jedno období, potom se korelační koeficient zvýší na hodnotu r=0,7125. Takto
významnou korelaci považuji za potvrzení vhodnosti modelu developerské aktivity.
Interpretace Indexu developerské aktivity lze provést pomocí následujících prahových hodnot:
- úroveň 1000 bodů +/- 5,00 procent – aktivita developerů a jejich ziskovost je průměrná;
- úroveň pod 950 bodů – aktivita developerů polevuje a ziskovost klesá, nová výstavba ochabuje;
- úroveň nad 1050 bodů – developeři jsou pobízení ke spekulativní výstavbě při růstu ziskovosti
developmentu.
Z vývoje Indexu developerské aktivity je patrné, že v roce 2018 není developerům na růžích
ustláno. I při rostoucí nové výstavbě Index developerské aktivity mírně klesá – růst základního
nájemného a růst hodnot prostorů (a růst hodnot nemovitostí) již nekompenzuje růst celkových
nákladů, proto se index nachází pod svojí hodnotou na začátku roku 2015. Výhled nové výstavby
v letech 2019 a 2020 je silně ovlivněn schopností developerů připravit nové pozemky k výstavbě.
Pokles hospodářství se může projevit nezájmem o prostory v sekundárních a terciálních lokalitách.
92
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- na trhu probíhá málo relevantních transakcí – v období BUDI to bylo celkem padesát
relevantních transakcí, v průměru jen málo přes jednu transakci na čtvrtletí;
- transakce probíhají v režimu utajení často prostřednictvím prodeje společnosti vlastnící
nemovitost;
- transakce probíhají v portfoliích, není tudíž možné oddělit cenu jednotlivé nemovitosti od
zbytku portfolia.
Data volně dostupná na trhu s průmyslovými nemovitostmi umožňují konstrukci indexu tržní
hodnoty na základě ocenění, nikoliv však z ocenění jednotlivých nemovitostí, jelikož data z ocenění
jednotlivých nemovitostí dostupná v jednotné databázi nejsou, nýbrž z ocenění nejlepšího
standardního průmyslového prostoru na trhu. Tímto postupem je zároveň zajištěna homogenita
atributů podkladového aktiva, jelikož se nejedná o konkrétní nemovitost ale o homogenní prostor,
požadavek na reprezentativnost bez selekce je diskutabilní (Owusu-Ansah, 2018). Nejlepší prostor
na trhu není konkrétní nemovitostí, jde o představu standardního prostoru, který anticipují znalci
na trhu, tím je reprezentativnost zajištěna a zároveň výběr není selektivní. Ocenění takového
prostoru není na základě zadání zájemce o ocenění, tím odpadá i vliv jakéhokoliv subjektu na
proces ocenění.
Stejně jako v předchozích dvou částech této kapitoly je důležité si hned na začátku odpovědět, proč
se index sestavuje, co je jeho účelem? Jestliže Index uživatelské pozice pomáhá stanovit pozici
uživatelů na trhu s nájemními prostory a Index developerské aktivity je odrazem výhodnosti nové
výstavby pro developery, potom do skládanky celého trhu chybí vlastnický a investorský pohled.
Index tržní hodnoty prostoru je konstruován, aby vlastníkům a investorům poskytl měřítko
hodnocení historických výsledků svých investic a nástroj odhadu jejich dalšího vývoje.
Nadnárodní poradenské společnosti každý kvartál publikují pro tyto „prime“ prostory nejlepší tržní
nominální kapitalizační míry formou reportů. Pro definici nejlepšího prostoru používají ustálený
93
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
tržní standard, který odpovídá definici průmyslové nemovitosti uvedené v části 3.1. Průmyslové
nemovitosti mají z hlediska výzkumného úžasné vlastnosti – jde o jednoduše ohraničený prostor
v kvádru, který má v podstatě stejné specifikace bez ohledu na umístění v nemovitosti, a proto
každý metr čtvereční takového prostoru má obdobnou užitnou hodnotu, liší se pouze jeho lokalita,
jeho nájemce a jeho konkrétní užití, resp. přidaná hodnota, která se v něm generuje. Takto
definovaný prostor má svoji hodnotu odvozenou do věčnosti, tedy do perpetuity. Změnu užití
prostoru není nutno zvažovat, neboť v případě nejlepšího průmyslového prostoru se nemusí
jednat o konkrétní prostor, jde spíše o ideu nejlepšího prostoru, který je na trhu vždy jen jeden.
Při výpočtu tržní hodnoty nejlepšího metru čtverečního moderních průmyslových prostor je
možno použít perpetuitní výpočet dle Vzorce 21 (vlastní návrh – pozn. autora):
12𝑥𝑅𝐵𝑅𝑡
𝑉𝑡𝑃 = (21)
𝑖𝑡
, kde je
it…průměrná nominální míra kapitalizace dle expertů v čase t (výpočet viz část 3.1.1).
Vypočtená hodnota v eurech je dále přepočítána do českých korun. Vývoj tržní hodnoty nejlepšího
metru čtverečního průmyslových prostorů dle Vzorce 21 v obou měnách zachycuje Graf 26 v
příloze. Většina investorů investuje v eurech, nicméně pro český trh s nemovitostmi je důležitá i
hodnota v českých korunách, jelikož čím dál tím více investic do průmyslových nemovitostí plyne
z českého kapitálového zázemí a zároveň náklady developmentu plynou v českých korunách.
94
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Rozborem přínosu základního nájemného a kapitalizační míry do volatility tržní hodnoty Vt P byl
potvrzen závěr Chaplina (1997) o vyšší volatilitě složky kapitalizační míry (variační koeficient 0,121)
než složky základního nájemného (variační koeficient 0,048).
Graf 26: Vývoj tržní hodnoty průmyslového prostoru v EUR a v Kč v období BUDI
900 € 24 000,00 Kč
B U D I
850 €
22 000,00 Kč
800 €
20 000,00 Kč
750 €
700 € 18 000,00 Kč
650 €
16 000,00 Kč
600 € Intervence ČNB
14 000,00 Kč
550 €
500 € 12 000,00 Kč
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Tržní hodnoty konkrétních průmyslových nemovitostí mohou být odvozeny z tržní hodnoty
nejlepšího prostoru na základě funkčního zápisu dle Vzorce 22 (vlastní návrh – pozn. autora):
, kde je
Faktor snížené hodnoty vyjadřuje diskont hodnoty konkrétní nemovitosti vůči hodnotě nejlepšího
průmyslového prostoru na trhu z důvodu horšího standardu, který může být dán lokalitou,
technickou specifikací, kvalitou nájemce nebo kvalitou nájemních podmínek.
Savills v části 3.1.4 a v části 3.3.4. vyplývá, že průměrná tržní hodnota českého průmyslového
prostoru je pod úrovní hodnot v západní Evropě (jmenovitě v Německu, ve Francii, ve Velké
Británii, ale i v Holandsku, v Belgii či v Dánsku), a jelikož je na trhu stále dostatek kapitálu, který
má zájem investovat právě do českých průmyslových ploch, je růst hodnoty v následujících
obdobích pravděpodobný.
Hodnoty průmyslového prostoru v českých korunách získané užitím Vzorce 21 lze převést do
formy indexu. Hodnota 1000 bodů byla stejně jako v případě Indexů uživatelské pozice a
developerské aktivity přiřazena prvnímu čtvrtletí roku 2015, kdy se kapitálový trh vzpamatoval
z globální finanční krize a zároveň na trhu již pravidelně probíhaly kapitálové transakce
s nemovitostmi, takže trh lze v tomto období považovat za likvidní. Index tržní hodnoty
průmyslového prostoru se vypočte dle Vzorce 23 (vlastní návrh – pozn. autora):
𝑉𝑡𝑃 −𝑉𝑡−1
𝑃
𝐼𝑉𝑡𝑃 = (𝐼𝑉𝑡−1
𝑃 + 𝑃 ) 𝑥 1000 (23)
𝑉𝑡−1
, kde je
IVPt, IVPt-1…index tržní hodnoty nejlepšího průmyslového prostoru v čase t, resp. v čase t-1;
Pro účely další analýzy je perpetuitní výpočet nedostačující, jelikož nebere v úvahu podmínky
financování ani odpisy nemovitosti, ve které se prostor nachází, a tím opomíjí i účinky daňového
štítu, který je důležitým obranným mechanismem investice. Z tohoto důvodu bude vhodnějším
96
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
způsobem výpočtu hodnoty nejlepšího metru čtverečního průmyslového prostoru model DCF
s funkčním zápisem dle Vzorce 24 (vlastní návrh – pozn. autora):
12𝑥𝑅𝐵𝑅
𝑁
12𝑥𝑅𝐵𝑅0 12𝑥𝑅𝐵𝑅𝑡 𝜋 𝑖0 −µ
𝑉𝑡𝐷𝐶𝐹 = − + ∑𝑁
𝑡 (1+𝑖 )𝑡−1 + (1+𝑖𝑡 )𝑁−1
(24)
𝑖0 𝑡
, kde je
N…investiční horizont.
Vstupní parametry modelu DCF jsou podloženy následující diskusí jejich nastavení:
- indexaci základního nájemného π jsem stanovil na dvě procenta ročně; institucionální nájemní
smlouvy mají vždy indexační doložku, která je pohyblivá na základě inflace s minimální úrovní
indexace (většinou minimálně 1,50 procenta ročně) nebo která je určena fixním procentem po
dobu nájmu; jelikož je základní nájemné kotováno v EUR jsou pohyblivé indexační doložky
založeny na inflaci v eurozóně; hodnota dvě procenta dosazená do modelu odpovídá
dlouhodobé (v horizontu deseti a více let) průměrné míře inflace a je akceptována nájemci i
při fixní indexaci, jelikož se průmysloví nájemci stěhují jen velmi neradi (Rauch, 1995);
indexace implementovaná na základní nájemné také vyjadřuje zvýšení užitné hodnoty prostoru
v souvislosti s potřebou zvýšení jeho produktivity v čase;
- kapitalizační míra i0 je odhadem trží kapitalizace na základě průměrné nominální míry
kapitalizace dle expertů, jak byla popsána v části 3.3.1;
- kapitalizační míru it jsem stanovil na úrovni 4,41 procenta jako součet 0,81 procenta (průměrná
sazba 3M EURIBOR v celém období UDI) a 3,6 procenta, které vyjadřuje technologické
zastarání prostoru (technologické zastarání průmyslových nemovitostí se pohybuje mezi 25 a
30 lety) a tím i relativní pokles efektivity jeho využití v čase;
- koeficient růstu tržní hodnoty nejlepšího prostoru je stanoven ve výši třiceti procent;
z dlouhodobého hlediska by kapitálové zhodnocení mělo mít svůj limit v nominální
kapitalizační míře na nejlepších trzích v Evropě, jmenovitě v Německu a ve Velké Británii, kde
97
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
jsou kapitalizační míry dlouhodobě o dvacet až čtyřicet procent níže než v Česku; pokud by
v budoucnu došlo k významnější kompresi nominální kapitalizace na českém trhu, potom je
nutno stanovit v modelu DCF limit koeficientu růstu tržní hodnoty;
- investiční horizont předpokládám v délce deset let, jelikož hlavní hráči na trhu mají strategii
„hold“, k transakcím dochází jen výjimečně a investice vlastního kapitálu je dlouhodobou
záležitostí.
Zvolené úrovně indexace a koeficientu růstu tržní hodnoty mohou na první pohled vypadat
nepřiměřeně, jelikož jejich kombinace znamená nárůst tržní hodnoty v průběhu deseti let o
sedmdesát procent. Na druhou stranu přírůstek hodnoty o sedm procent ročně je pod průměrnou
úrovni roční nominální míry kapitalizace v období UDI aplikované na průmyslové nemovitosti
(průměr 7,83 procenta). Je nutno si uvědomit, že tržní hodnota nejlepšího průmyslového prostoru
se v čase zvyšuje z následujících důvodů:
Aplikací Vzorce 23 na hodnoty vypočtené dle Vzorce 24 a aplikací úrovně tisíc bodů na hodnotu
v prvním kvartále 2015 lze získat Index tržní hodnoty nejlepšího průmyslového prostoru dle
modelu DCF (dále také jako „Index HD“).
Srovnání vývoje Indexu tržní hodnoty do perpetuity a Indexu tržní hodnoty dle modelu DCF
v českých korunách je zaznamenán v Grafu 27 v příloze. Index tržní hodnoty dle DCF je méně
volatilní než Index tržní hodnoty do perpetuity, jeho hodnota je v čase stabilnější, v roce 2018 je
pohyb obou indexů podobný a v posledním čtvrtletí roku 2018 se jejich rozdíl zmenšil na 2,70
procent.
Popisnou statistiku Indexu tržní hodnoty dle DCF shrnuje Tabulka 21. Volatilita Indexu tržní
hodnoty dle DCF je v souladu s očekáváním ve srovnání s Indexem uživatelské pozice a Indexem
developerské aktivity nižší, jelikož hodnota nejlepšího průmyslového prostoru je stabilnější než
výkyvy na trhu s nájemními průmyslovými prostory a na developerském trhu.
98
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Korelogramy v Grafu 28 indikují silnou autokorelaci Indexu tržní hodnoty do perpetuity a Indexu
tržní hodnoty dle DCF až do posunutí o sedm, resp. šest období. Podstata této silné autokorelace
vězí v autokorelaci základního nájemného (viz část 3.1.). Korelační analýza obou indexů hodnoty
v souvislosti s makroekonomickými veličinami v Tabulce 8 ukázala na podstatnou korelaci mezi
oběma indexy a HDP posunutým o dvě období (r=0,7078, resp. 0,5400). Vývoj HDP bude mít
schopnost předpovídat vývoj tržní hodnoty průmyslových nemovitostí, což je v souladu se závěry
studií uvedených v druhé kapitole. Volatilita Indexu tržní hodnoty dle DCF je nižší než Indexu
tržní hodnoty do perpetuity, faktor vyhlazení má s ohledem na způsob výpočtu vyšší vliv v Indexu
tržní hodnoty dle DCF než v Indexu tržní hodnoty do perpetuity (Gohs, 2017).
S ohledem na strukturovanější výpočet hodnoty metodou DCF umožňující detailní analýzu vstupů
bude k další analýze použit pouze Index tržní hodnoty dle DCF. Interpretace prahových hodnot
Indexu tržní hodnoty dle DCF je následující:
- úroveň 1000 bodů +/- 5,00 procent – kapitálový trh je aktivní, likvidita trhu roste, na trhu je
dostatečný počet investorů se zájmem o koupi průmyslových nemovitostí a zároveň jsou na
trhu nemovitosti, které jsou současní vlastníci ochotni prodat;
- úroveň pod 950 bodů – tržní hodnoty nemovitostí jsou pod úrovní očekávání současných
vlastníků, kteří nemají zájem prodávat; investoři mají zájem kupovat, přesto likvidita trhu klesá;
- úroveň nad 1050 bodů – zájemci o investice do průmyslových nemovitostí jsou obezřetní
vzhledem k možnému nadhodnocení průmyslových nemovitostí; vlastníci mají zájem
prodávat, přesto likvidita trhu klesá.
Model DCF umožnil výpočet vnitřního výnosového procenta vloženého vlastního kapitálu. Ve
výpočtu byly použity následující parametry:
99
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Tyto hodnoty jsou pro průmyslový trh typické – očekávaná výnosnost vlastního kapitálu na trhu
s nemovitostmi se pohybuje mezi deseti procenty a dvaceti pěti procenty, průměr 21,86 procent
odpovídá očekávání investorů na výkonnost kapitálu investovaného do průmyslových nemovitostí.
Zvolený model DCF tudíž věrně simuluje reálný stav trhu s průmyslovými nemovitostmi a statistku
vypočteného vnitřního výnosového procenta považuji za potvrzení správnosti a reálnosti modelu
Indexu tržní hodnoty dle DCF.
Dosazením vnitřního výnosového procenta do Vzorce 25 a aplikací úrovně 1000 bodů na hodnotu
v prvním kvartále 2015 (hodnota 21,44 procenta) stejně jako v případě ostatních indexů lze získat
Index výnosnosti vlastního kapitálu investovaného do nejlepšího průmyslového prostoru (vlastní
návrh – pozn. autora):
𝐼𝑅𝑅𝑡 −𝐼𝑅𝑅𝑡−1
𝐼𝐼𝑅𝑅𝑡 = (𝐼𝐼𝑅𝑅𝑡−1 + ) 𝑥 1000 (25)
𝐼𝑅𝑅𝑡−1
, kde je
Z vypočtených hodnot vyplývá statistika v Tabulce 23. Volatilita Indexu výnosnosti vlastního
kapitálu je vyšší než v případě Indexu tržní hodnoty dle DCF ale mnohem nižší než v případě
Indexu developerské aktivity, jelikož investorské riziko je rovněž nižší než riziko developerské.
100
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Korelogram v Grafu 29 v příloze indikuje slabou autokorelaci Indexu výnosnosti vlastního kapitálu
v případě posunutí o tři a více období. Tento index negativně koreluje při posunutí o dvě období
s Indexem důvěry v průmysl (r=-0,7203). Interpretace prahových hodnot Indexu výnosnosti
vlastního kapitálu může být následující:
- úroveň 1000 bodů +/- 5,00 procent – riziko a výnosnost investic do průmyslových
nemovitostí je v rámci očekávání ze strany investorů; průmyslové nemovitosti jsou v hledáčku
investorů;
- úroveň pod 950 bodů – průmyslové nemovitosti jsou méně výkonné, než je očekáváno,
investoři hledají alternativy;
- úroveň nad 1050 bodů – investice do průmyslových nemovitostí se zhodnocují více než bylo
očekáváno, což láká investory k dalším investicím.
Grafické srovnání vývoje Indexu tržní hodnoty dle DCF a Indexu výnosnosti vlastního kapitálu
nabízí Graf 30 v příloze. Výkyv mezi čtvrtým kvartálem 2010 a čtvrtým kvartálem 2012 odpovídá
přechodnému oživením české ekonomiky a trhu s průmyslovými nemovitostmi. Výnosnost
vlastního kapitálu od roku 2012 průběžné klesá, odpovídá to snižujícímu se riziku investic do
průmyslových nemovitostí, a tudíž i nižšímu realizovanému a očekávanému výnosu investovaného
kapitálu. V roce 2019 se dá očekávat další snížení výnosnosti, limit je dán expanzivní politikou
Evropské Centrální Banky a očekávanou výnosností kapitálu investovaného do alternativních aktiv
a regionů.
Pokud by v kalkulaci DCF došlo k rozvolnění fixního poměru úvěru k hodnotě, znamenalo by to
vyšší volatilitu výnosnosti investovaného kapitálu. Historická data o výši požadovaného poměru
úvěru k hodnotě nejsou však k dispozici.
101
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Index tržní hodnoty dle DCF je v posledním kvartálu roku 2018 na úrovni 998 bodů. Kapitálový
trh je aktivní, likvidita trhu roste, na trhu je dostatečný počet investorů se zájmem o koupi
průmyslových nemovitostí a zároveň jsou na trhu nemovitosti, které jsou současní vlastníci ochotni
prodat. Index výnosnosti vlastního kapitálu na úrovni 1001, investice do průmyslových nemovitostí
se vyplácí, výnosnost investovaného kapitálu je na očekávané úrovni.
Graf 31: Vývoj Indexu tržní hodnoty, Indexu uživatelské pozice a Indexu developerské aktivity
v období BUDI
1300,00
B U D I
1200,00
1100,00
1000,00
900,00
800,00
700,00
600,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Průběh indexů trhu s průmyslovými prostory ukazuje na možnost série nerovnovážných stavů,
kterými trh s prostory neustále prochází (De Leeuw a Ekanem, 1971). Index uživatelské pozice je
na konci roku 2018 s 974 body mírně vychýlen na stranu pronajímatelů, lépe řečeno na stranu
investorů než na stranu developerů, jelikož ve stejném období je Index developerské aktivity na
úrovni 954 bodů, a to indikuje klesající ziskovost developmentu. Aktivita developerů se napíná k
přípravě nových pozemků, na kterých by mohli docílit lepší ziskovosti. Obdobnou analýzu stavu
trhu lze provést pro jakékoliv čtvrtletí v rámci sledovaného časového úseku období BUDI.
Případný šok, který by významně vychýlil stav trhu v roce 2019 nebo v roce 2020, by stejně jako
v roce 2008 přišel zvenčí (nyní již víme, že šok přišel zvenčí v souvislosti s pandemií COVID-19 – pozn.
autora). Na rozdíl od roku 2008 a 2009 je však český trh s průmyslovými nemovitostmi
102
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Tabulka 24: Pearsonova korelační matice indexů trhu s nemovitostmi v období BUDI
Index DA Index UP Index HD Index VVK
Index DA 1,0000 -0,8790 0,9521 -0,8004
Index UP -0,8790 1,0000 -0,8624 0,5618
Index HD 0,9521 -0,8624 1,0000 -0,7686
Index VVK -0,8004 0,5618 -0,7686 1,0000
Silná negativní korelace mezi developerskou aktivitou a uživatelskou pozicí je logickým důsledkem
jejich vzájemného antagonismu – čím lepší je pozice uživatelů vůči developerům, tím lepší
podmínky si vyjednají na úkor developerů a potažmo i na úkor ostatních pronajímatelů a tím menší
zájem mají developeři stavět, a vice versa. Obdobný vztah je mezi developery a investory, a tudíž
developerská aktivita je negativně korelovaná s výnosností vlastního kapitálu – čím lepší je pozice
investorů tím horší podmínky si developeři vyjednají a tím klesá developerská aktivita, a vice versa.
Pozitivní korelace mezi tržní hodnotou a developerskou aktivitou rovněž není překvapením, jelikož
tržní hodnota prostoru a s ním související developerský zisk z výstavby průmyslové nemovitosti
jsou hlavními motivátory developerů k aktivitě. Negativní korelace mezi tržní hodnotou a
uživatelskou pozicí je pochopitelná, jelikož uživatelsky příjemné snížení efektivního nájemného, ať
již formou snížení základního nájemného nebo formou zvýšení pobídek, má negativní vliv na tržní
hodnotu prostoru. Překvapením se může jevit pozitivní korelace mezi uživatelskou pozicí a
výnosností kapitálu. Domnívám se, že tento vztah může mít souvislost s funkcí developerů jako
nárazníku mezi uživateli a investory, kteří na sebe berou riziko změn trhu, proto je také index
developerské aktivity volatilnější než ostatní indexy.
Konstatuji, že zkonstruované indexy jsou vhodným nástrojem popisu stavu trhu a mohou dle mého
názoru být využity pro krátkodobé a střednědobé předpovědi vývoje trhu s průmyslovými
nemovitostmi. Bude potřebné indexy v budoucnu pravidelně každý rok revidovat a precizovat,
aby se neustále přizpůsobovaly vývoji trhu s průmyslovými nemovitostmi a aby zachytily i jeho
dlouhodobé trendy. Část věnovanou dluhovému financování v modelu DCF bude vhodné
přizpůsobit skutečným podmínkám bankovního trhu a změnit fixní koeficient úvěru k hodnotě a
103
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
fixní bankovní marži na volatilní dle skutečného stavu trhu. Prostorem pro zlepšení je i předpoklad
vývoje cen pozemků pro průmyslový development.
104
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
„Bezstarostné“ období, kdy se trh s průmyslovými nemovitostmi v Česku teprve formoval, bylo
završeno v roce 2007. Tento rok se vyznačuje nerovnovážným stavem, kdy developeři realizovali
nadstandardní zisky, trh byl extrémně vychýlen na stranu pronajímatelů a investoři umisťovali svůj
kapitál s minimálním zřetelem na možná rizika. V roce 2008 došlo k završení nemovitostního cyklu
a k začátku cyklu nového. Celistvá data o celém nemovitostním cyklu zakončeném v roce 2008
nejsou k dispozici, a proto je regresní analýza provedena z dat z období UDI, tedy v období mezi
lety 2008 a 2018 v rámci jednoho nemovitostního cyklu.
Cyklus trhu s průmyslovými nemovitostmi v roce 2018 nebyl zřejmě ukončen, proto lze očekávat,
že indexy nebudou schopny zachytit jeho případnou změnu i s ohledem na očekávané ukončení
cyklu vnějším šokem. Závěrečná část páté části bude z tohoto důvodu věnována citlivostní analýze
regresních modelů na změny nezávislých proměnných a analýze schopnosti indexů předvídat
změnu trhu. Pokud najdou indexy trhu s průmyslovými nemovitostmi využití v praxi, potom bude
vhodné rok 2019 zahrnout do Epochy I a regresní modely indexů přepočítat, aby obsahovaly i data
za rok 2019. Na počátku roku 2020, kdy je disertační práce dokončována, je zřejmé, že rok 2019
nijak nevybočil z trendů předchozích let Epochy I, tudíž rok 2019 do této epochy patří.
Tabulka 8 v příloze zachycuje vývoj nezávislých proměnných (HDP, měnová báze, referenční
úroková sazba, inflace, zaměstnanost), které byly v regresní analýze použity a které jsou běžně
používány k obdobným účelům v zahraniční literatuře věnované nemovitostem. Očekávám
závislost vývoje Indexu tržní hodnoty dle DCF na vývoji HDP, neboť je tato veličina indikátorem
obecného stavu a vývoje ekonomiky a zároveň je tato veličina bez limitu spojitá ve vývoji stejně
105
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
jako je tomu u tržní hodnoty. Měnová báze by mohla mít s tržní hodnotou obdobný vztah, nicméně
lepší vysvětlení pohybů zřejmě poskytne HDP. Předpokládám, že vývoj Indexů uživatelské pozice
a developerské aktivity bude svázán se zaměstnaností, neboť zaměstnanost má svůj limit stejně
jako je limitní činnost uživatelů prostorů, resp. jako je limitní poptávka po prostorech, a jako je
limitní developerská aktivita, resp. jako je limitní nová výstavba. Provedl jsem korelační analýzu
vztahu vývoje indexů s ostatními makroekonomickými proměnnými v Tabulce 8 a dle očekávání
se vztah s jinými veličinami nepotvrdil.
Všechny tři indexy v sobě mají i složku oscilace kolem hlavního trendu, proto byl do analýzy k
makroekonomickým ukazatelům přidán Index důvěry v průmysl, který publikuje Český statistický
úřad a který je založen na dotazníkovém šetření mezi podnikateli. Index důvěry v průmysl je
průměrem sezónně očištěných sald tří ukazatelů: hodnocení celkové poptávky, zásoby hotových
výrobků s opačným znaménkem a očekávaného vývoj výrobní činnosti. Stejně jako jiné trhy aktiv
souvisí trh s průmyslovými nemovitostmi s očekáváním dalšího hospodářského vývoje. Index
důvěry v průmysl se blíží svou definicí trhu s průmyslovými nemovitostmi, a proto by v regresním
modelu mohl přispět k vysvětlení oscilací závislých proměnných.
Index výnosnosti vlastního kapitálu reaguje specificky, v roce 2008 došlo k výraznému výkyvu,
následně je vývoj indexu vyrovnaný a plochý bez výrazného trendu. To by mohlo souviset
s vnímáním rizika a související požadovanou výnosností, která se v čase, kromě období nestability,
příliš nemění, proto lze počítat s výraznou pamětí časové řady promítnutou do regresního modelu.
Tabulka 25: Znaménkový test a test bodu zvratu Indexů DA a UP v období UDI
IDA IUP
Počet Hodnota testového kritéria Kritická hodnota Počet Hodnota testového kritéria Kritická hodnota
Znaménka diference 23 0,25819889 1,959963985 17 -2,32379 1,959963985
Bod zvratu 26 -0,973728991 1,959963985 20 -3,1646192 1,959963985
106
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Hodnoty testového kritéria při testu bodu zvratu v případě Indexu developerské aktivity leží
v oboru přijetí (-1,96;1,96) na pěti procentní hladině významnosti, proto nelze z tohoto pohledu
s pěti procentním rizikem vyvrátit hypotézu H0 o tom, že pozorování jsou nezávislé stejně
rozdělené náhodné veličiny, resp. že posloupnost reziduí je náhodně uspořádána. Test znaménkové
diference rovněž neumožňuje na pěti procentní hladině významnosti vyvrátit hypotézu H0 o tom,
že pozorování jsou nezávislé stejně rozdělené náhodné veličiny, časová řada Indexu developerské
aktivity neobsahuje heteroskedasticitu.
V případě Indexu uživatelské pozice leží hodnoty testového kritéria při testu pomocí znaménkové
diference i bodu zvratu mimo obor přijetí (-1,96;1,96) na pěti procentní hladině významnosti, proto
lze s pěti procentním rizikem vyvrátit hypotézu H0 o tom, že pozorování jsou nezávislé stejně
rozdělené náhodné veličiny, resp. že posloupnost reziduí je náhodně uspořádána. Test znaménkové
diference umožňuje přijetí H0 na jedno procentní hladině významnosti, testové kritérium bodu
zvratu nevyhoví ani jednoprocentní hladině významnosti, a proto lze předpokládat
heteroskedasticitu v časové řadě Indexu uživatelské pozice.
V souvislosti s výše uvedenými výsledky korelační analýzy jsem odhadl regresní funkce obou
indexů s parametry, které jsou shrnuty v Tabulce 26. Lineární regresní funkce je v obou případech
signifikantní na devadesáti devíti procentní úrovni.
Srovnání závislosti druhých mocnin reziduí na očekávaných hodnotách obou indexů přináší Graf
32 v příloze. Na základě Breusch Pagan testu a White’s testu nelze na pěti procentní úrovni vyvrátit
hypotézu H0 o homoskedasticitě regresní funkce Indexu uživatelské pozice, proto v něm nebyla
identifikována heteroskedasticita a takto získaný model může být vhodný pro předpovědi, jelikož
rozptyl reziduí není závislý na jednom parametru. White’s test regresní funkce Indexu developerské
aktivity sice na pěti procentní úrovni neumožňuje vyvrátit hypotézu H0 o homoskedasticitě regresní
funkce, Breusch Pagan test však vyvrácení hypotézy H0 o homoskedasticitě umožňuje i na
jednoprocentní úrovni pravděpodobnosti, regresní model Indexu developerské aktivity může být
zatížen chybou a spolehlivost předpovědi může být diskutabilní.
58,4 procent závislé proměnné Indexu developerské aktivity je vysvětleno regresní funkcí
nezávislých proměnných zaměstnaností a Indexu důvěry v průmysl. V případě závislé proměnné
Indexu uživatelské pozice je vysvětleno regresní funkcí 62,8 procenta hodnot, regresní model
Indexu uživatelské pozice má z dosud zkoumaných závislých proměnných nejlepší parametry, i tak
může tento regresní model znamenat zkreslení v odhadech.
Tabulka 27: Znaménkový test a test bodu zvratu Indexů HD a VVK v období UDI
IHD VVK
Hodnota Hodnota Kritická
Počet testového kritéria Kritická hodnota Počet testového kritéria hodnota
Znaménka diference 22 0,25819889 1,959963985 22 0,25819889 1,959963985
Bod zvratu 24 -1,704025734 1,959963985 24 -1,704025734 1,959963985
Hodnoty testového kritéria při testu bodu zvratu v případě obou indexů leží v oboru přijetí (-
1,96;1,96) na pěti procentní hladině významnosti, proto nelze z tohoto pohledu s pěti procentním
rizikem vyvrátit hypotézu H0 o tom, že pozorování jsou nezávislé stejně rozdělené náhodné
108
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
veličiny, resp. že posloupnost reziduí je náhodně uspořádána. Test znaménkové diference obou
indexů neumožňuje vyvrátit hypotézu H0 o tom, že pozorování jsou nezávislé stejně rozdělené
náhodné veličiny na pěti procentní hladině významnosti. Hypotézu H0 o náhodném uspořádání
posloupnosti reziduí proto nelze vyvrátit pro oba indexy, jejich časové řady neobsahují
heteroskedasticitu.
V souvislosti s výše uvedenými výsledky korelační analýzy jsem odhadl regresní funkce obou
indexů s parametry, které jsou shrnuty v Tabulce 28. Lineární regresní funkce je ve všech třech
případech signifikantní na devadesáti devíti procentní úrovni.
Srovnání závislosti druhých mocnin reziduí na očekávaných hodnotách obou indexů přináší Graf
33 v příloze. Na základě Breusch Pagan testu lze na pěti procentní hladině významnosti zamítnout
hypotézu H0 o homoskedasticitě obou indexů, v regresním modelu může být heteroskedasticita.
Dle White’s testu nelze na pěti procentní úrovni vyvrátit hypotézu H0 o homoskedasticitě regresní
funkce Indexu tržní hodnoty dle DCF, proto v něm heteroskedasticita nemusí být přítomna. U
Indexu tržní hodnoty dle DCF lze i dle White’s testu zamítnout hypotézu H0 o homoskedasticitě,
proto v tomto modelu je přítomna heteroskedasticita, regresní model Indexu tržní hodnoty dle
DCF nemusí spolehlivě předpovídat vývoj závislé proměnné, tzn. vývoj Indexu tržní hodnoty dle
DCF.
109
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
42,8 procent závislé proměnné Indexu tržní hodnoty dle DCF je vysvětleno regresní funkcí
nezávislých proměnných HDP a Indexu důvěry v průmysl, v případě závislé proměnné Indexu
výnosnosti vlastního kapitálu je to 51,9 procent. Lineární regresní modely indexů budou mít mezery
v odhadech hodnot závislých proměnných.
Tabulka 29: Znaménkový test a test bodu zvratu hrubé poptávky a nové výstavby v období UDI
GTU SUP
Počet Hodnota testového kritéria Kritická hodnota Počet Hodnota testového kritéria Kritická hodnota
Znaménka diference 26 2,32379 1,959963985 23 0,774596669 1,959963985
Bod zvratu 28 -0,24343 1,959963985 27 -0,608580619 1,959963985
Hodnoty testového kritéria při testu bodu zvratu v případě hrubé poptávky leží v oboru přijetí (-
1,96;1,96) na pěti procentní hladině významnosti, proto nelze z tohoto pohledu s pěti procentním
rizikem vyvrátit hypotézu Ho o tom, že pozorování jsou nezávislé stejně rozdělené náhodné
veličiny, resp. že posloupnost reziduí je náhodně uspořádána. Test znaménkové diference hrubé
poptávky neumožňuje vyvrátit hypotézu H0 o tom, že pozorování jsou nezávislé stejně rozdělené
náhodné veličiny na jedno procentní hladině významnosti. V případě nové výstavby leží hodnoty
testového kritéria při testu pomocí znaménkové diference i bodu zvratu v oboru přijetí (-1,96;1,96)
na pěti procentní hladině významnosti, proto nelze s pěti procentním rizikem vyvrátit hypotézu H0
o tom, že pozorování jsou nezávislé stejně rozdělené náhodné veličiny, resp. že posloupnost reziduí
je náhodně uspořádána. Hypotézu H0 o náhodném uspořádání posloupnosti reziduí proto nelze
vyvrátit pro obě veličiny, časová řada obou veličin neobsahuje heteroskedasticitu.
110
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
V souvislosti s výše uvedenými výsledky korelační analýzy jsem odhadl regresní funkce hrubé
poptávky a nové výstavby. Odhadnuté regresní funkce mají parametry shrnuté v Tabulce 30.
Lineární regresní funkce je v obou případech signifikantní na devadesáti devíti procentní úrovni.
Srovnání závislosti druhých mocnin reziduí na očekávaných hodnotách obou veličin přináší Graf
34 v příloze. Na základě Breusch Pagan testu a White’s testu nelze na pěti procentní úrovni vyvrátit
hypotézu H0 o homoskedasticitě obou regresních funkcí, proto v nich nebyla identifikována
heteroskedasticita a takto získané modely mohou být vhodné pro předpovědi, jelikož rozptyl
reziduí není závislý na jednom parametru.
54,2 procent závislé proměnné hrubé poptávky GTU je vysvětleno regresní funkcí nezávislých
proměnných měnové báze a Indexu uživatelské pozice. V případě závislé proměnné nové výstavby
SUP je to 55,2 procent. Předpovědi získané na základě regresních funkcí obou proměnných
nebudou příliš přesné.
očekávaných a skutečných hodnot indexů v tomto období. Předpověď vývoje indexů v důsledku
předbíhání nezávislých proměnných je možná až do prvního kvartálu 2020.
Nejlepší parametry má regresní funkce Indexu uživatelské pozice, předpovědi vývoje této
proměnné by mohly být poměrně přesné. O něco horší parametry má lineární regresní funkce
Indexu tržní hodnoty dle modelu DCF. Analýzu ex ante jsem provedl i pro Index developerské
aktivity a Index výnosnosti vlastního kapitálu, i když regresní funkce obou těchto indexů nejsou
rozhodně ideální. Odhad hrubé poptávky a nové výstavby doplňuje paletu informací o
předpokládaném vývoji trhu s průmyslovými nemovitostmi.
Negativní rozdíl odhadované a skutečné výše Indexu uživatelské pozice lze interpretovat i tak, že
uživatelé ve skutečnosti mají na trhu s průmyslovými prostory lepší pozici, než by odpovídalo stavu
hospodářství a očekávání, jinými slovy nájemci jsou schopni si vyjednat u pronajímatelů lepší
podmínky, než jaké by měly odpovídat jejich pozici na trhu dle ekonomické situace.
Předpovídaný a skutečný vývoj Indexu developerské aktivity je zachycen v Grafu 36. Odhad vývoje
čtvrtletního Indexu developerské aktivity v první polovině roku 2019 je nadhodnocen o 4,7
procenta vůči jeho skutečným hodnotám. S ohledem na rizikovost developmentu a jeho ziskovosti
bude v jakémkoliv modelu odhad této složky trhu prostorů na základě regresních modelů
problematický, z tohoto pohledu je nadhodnocení nízké.
V druhé polovině roku 2019 a na začátku roku 2020 Indexy uživatelské pozice a developerské
aktivity předpokládají zlepšení pozice nájemců a omezení aktivity developerů. Tato situace může
nastat, pokud dojde k ochlazení poptávky a zároveň omezení aktivity z důvodu rostoucích nákladů
nové výstavby, případně z důvodu nedostatečné úrovně dostupného financování.
112
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Průběh odhadovaných a skutečných hodnot Indexu tržní hodnoty dle DCF nabízí zajímavý výklad
– v letech 2008 až 2009 byly tržní hodnoty nejlepších průmyslových prostor značně nadhodnoceny,
stejně jako jsou nadhodnoceny skutečné hodnoty Indexu tržní hodnoty dle DCF vůči hodnotám
očekávaným. Situace se obrátila v roce 2010, kdy průmyslové nemovitosti byly již podhodnoceny,
stejně jako skutečné hodnoty Indexu tržní hodnoty dle DCF vůči hodnotám očekávaným.
Domnívám se, že regresní funkce sloužící k rekonstrukci vývoje Indexu tržní hodnoty dle DCF má
potenciál identifikace neefektivností na kapitálovém trhu. Od roku 2015 lze sledovat podobný
průběh odhadovaných i skutečných hodnot, v současnosti by mohly být nemovitosti v oceněních
expertů na svojí, tedy očekávané hodnotě. Růst tržní hodnoty dle odhadu vývoje Indexu tržní
hodnoty dle DCF v druhé polovině 2019 a v prvním čtvrtletí 2020 se zplošťuje.
Graf 38 v příloze srovnává vývoj odhadovaných a skutečných hodnot Indexu výnosnosti vlastního
kapitálu v období UDI. V první polovině roku 2019 je odhad Indexu výnosnosti vlastního kapitálu
8,3 procenta nad jeho skutečnými hodnotami, předpokládaná výše výnosnosti je vyšší než
vypočítaná v konzervativně nastaveném modelu DCF.
Výrazné nadhodnocení, které regresní funkce odhaduje v roce 2019, může být způsobeno i menším
poměrem přejednaných nájemních smluv z let 2009 a 2014 na celkové hrubé poptávce, jelikož
v součtu jsou renegociace z těchto let slabší v porovnání s lety 2008 a 2013. Model dozajista
113
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
nadhodnotí celý rok 2019, ke srovnání by mohlo dojít v roce 2020 a v letech následujících, kdy se
sice dá očekávat ochlazení trhu vzhledem k očekávanému zpomalení růstu ekonomiky, dojde
k přejednání smluv ze silných let 2010 a 2015 a z let následujících. Z tohoto pohledu je lineární
regresní model nedokonalý, neboť v něm chybí faktor vysvětlující cykličnost v přejednávání
nájemních smluv. Model založený na čisté poptávce by zřejmě měl lepší parametry, na druhou
stranu by v něm chyběla podstatná informace o prodloužených a o expandovaných stávajících
smlouvách.
Lineární regresní model hrubé poptávky je však možno interpretovat i jako nevyužitý potenciál
trhu na straně celkové poptávky, která je nižší, než by mohla být vzhledem ke stavu regionálního i
místního hospodářství, resp. k vývoji nezávislých proměnných. Hrubá poptávka neroste v roce
2019, jak by odpovídalo stavu ekonomiky, z důvodu restrikcí na straně nabídky průmyslových
prostorů, který způsobuje tlak na zefektivňování a automatizaci prostorů, a z důvodu nedostatku
lidských zdrojů, která způsobuje umisťování investic do jiných zemí v regionu (zejména do Polska).
Regresní model v odhadu zachytil zpomalení růstu v roce 2019 a sezónní výkyv, který zřejmě
nastane ve čtvrtém kvartále 2019 nebo v prvním kvartále 2020. Jakýkoliv model by nedokázal
zachytit proměnlivost dokončení výstavby s ohledem na povolovací procesy a počasí. Jelikož je
nová výstavba na českém trhu s průmyslovými prostory relativně malá, má zpoždění jakéhokoliv
středně velkého projektu zásadní dopad na čtvrtletní statistiky. Tyto rizikové faktory spojené
s novou výstavbou nebude zřejmě možno jakkoliv do regresní funkce promítnout.
Tabulka 31: Očekávané hodnoty Indexu HD’, Indexu DA’, Indexu UP’ a Indexu VVK’ v roce
2019 a v prvním čtvrtletí roku 2020
Období IDA' IUP' IHD' IVVK'
Q1/2019* 1073 947 1007 1034
Q2/2019* 1075 932 1017 1020
114
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Pokud použijeme definice kritických hodnot indexů ze čtvrté kapitoly, lze očekávaný vývoj
každého čtvrtletí v roce 2019 a prvního čtvrtletí v roce 2020 popsat takto:
Q1/2019 Tržní hodnota průmyslových prostor se nijak výrazně vůči předchozímu období
nezměnila a zůstává na úrovni, která zatím nevěští nadhodnocení
(1000<IHD’<1050) . Nárůst Indexu VVK’ vůči předchozímu období indikuje
zvýšení výnosnosti kapitálu vloženého do průmyslových nemovitostí, investoři
z toho důvodu mají o investice do českých průmyslových nemovitostí zájem a
čekají na vhodnou příležitost (1000<IVVK’<1050). Index DA’ zůstává na stejné
úrovni, aktivita developerů stagnuje (1000<IDA’<1050), nová výstavba se drží na
přibližně stejné úrovni jako v prvním čtvrtletí předchozího roku, Index UP’ je na
stejné úrovni jako v předchozím období, trh zůstává vychýlen na stranu
pronajímatelů (IUP’<950). Hrubá poptávka by v tomto čtvrtletí měla dosáhnout
447tis. m2, jedná se o nárůst vůči reálným hodnotám ve stejnému období v roce
2018 o šest procent. Nová výstavba by měla představovat 166tis. m2, což
představuje pokles o téměř 22% vůči skutečným hodnotám ve stejnému období
roku 2018.
Q2/2019 Tržní hodnota nejlepších průmyslových prostor se mírně zvýšila, mírný pokles
Indexu VVK’ znamená, že výnosnost vlastního kapitálu je stále na očekávané
úrovni (1000<IVVK’<1050), investoři mají zájem do českých průmyslových
nemovitostí investovat. Index DA’ zůstal na přibližně stejné úrovni nad hranicí
1050 bodů, development se vyplácí, což se projeví v dalších čtvrtletích v rámci
nové stavební sezóny. Uživatelská pozice se dále zhoršila, nájemci nejsou schopni
vyjednat si lepší podmínky (IUP’<950). Hrubá poptávka by v tomto čtvrtletí
mohla dosáhnout 454tis. m2, jedná se o nárůst vůči reálným hodnotám ve stejnému
období v roce 2018 o čtyřicet čtyři procent. Nová výstavba by měla představovat
192tis. m2, což představuje nárůst o dvanáct procent vůči reálným hodnotám ve
stejnému období roku 2018.
115
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Q3/2019 Tržní hodnota nejlepších průmyslových prostor se téměř nezměnila, zatím nejsou
signály o nadhodnocení (IHD’>1050). Výnosnost vlastního kapitálu indikovaná
vývojem Indexu VVK’ se přiblížila k hranici, kdy se investice zhodnocují nad
očekávání, stále ještě tuto hranici nepřekročila (1000<IVVK’<1050). Index DA’
se mírně snížil, drží se ale nad hodnotou 1050 bodů. Uživatelská pozice semírně
zlepšila. Hrubá poptávka by v tomto čtvrtletí měla dosáhnout 468tis. m2,
mezikvartálně jde o růst o tři procenta. Nová výstavba by měla představovat 186tis.
m2, od minulého čtvrtletí jde o pokles o tři procenta.
Q4/2019 Index HD’ se znovu zvýšil, zatím nedosahuje hranice 1050 bodů, od které by
investoři měli být obezřetnější při akvizicích s ohledem na možné nadhodnocení.
Výnosnost vlastního kapitálu se stabilizovala na přibližně stejné úrovni jako
v předchozím čtvrtletí (1000<IVVK’<1050). Index DA’ dále klesá a ukazuje nový
trend zhoršující se pozice developerů (1000<IDA’<1050). Pozice uživatelů
stagnuje a téměř se ve srovnání s předchozím čtvrtletím nemění. Hrubá poptávka
by v tomto čtvrtletí měla dosáhnout 470tis. m2, jedná se o přibližně stejnou úroveň
jako v předchozím období. Nová výstavba by měla představovat 202tis. m2, mohlo
by dojít k mírnému nárůstu nové výstavby o dvě procenta vůči skutečným
hodnotám ve stejném čtvrtletí roku 2018.
Q1/2020 Tržní hodnota nejlepších průmyslových prostor zatím stagnuje, důležitý bude další
vývoj hospodářství. Výnosnost vlastního kapitálu je nad očekáváním, což motivuje
další investory k zájmu o tento segment (IVVK’>1050). Aktivita developerů se sice
vůči předchozímu období zvýšila, potvrzuje trend zhoršující se developerské
pozice. Hrubá poptávka by v tomto čtvrtletí měla dosáhnout 484tis. m2, jedná se
o nárůst vůči předpovědi hrubé poptávky ve stejném období v roce 2019 o osm
procent. Nová výstavba by měla představovat 195tis. m2, což představuje nárůst o
sedmnáct procent vůči předpovědi nové výstavby v roce 2019.
Výše uvedená analýza ukazuje, že regresní model indexů má potenciál popisovat a předpovídat
vývoj průmyslového nemovitostního trhu, jelikož se výše uvedené teze shodují s realitou prvních
dvou kvartálů roku 2019. Shoda očekávaných a skutečných hodnot indexu (a skutečného stavu
trhu) v druhé polovině roku 2019 a v prvním čtvrtletí 2020 bude analyzována, jakmile budou
k dispozici čerstvá dat.
116
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 41 níže srovnává vývoj odhadnutých indexů v celém období UDI i v období roku 2019 a
prvního čtvrtletí 2020.
Graf 41: Vývoj očekávaných hodnot Indexu HD’, Indexu DA’ a Indexu UP’ v období UDI a v
následujících 5 čtvrtletích
1200
U D I
1100
1000
IDA' IUP' IHD'
900
800
700
600
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
- Index developerské aktivity - 953 bodů – trend poklesu aktivity developerů bude potvrzen a
prohlouben z důvodu nedostatku financování a z důvodu snížení ziskovosti developmentu
v souvislosti s nutností poskytnutí vyšších pobídek nájemcům;
- Index uživatelské pozice – 1015 bodů – z důvodu snížené poptávky poroste nepronajatost a
pozice uživatelů, kteří budou mít zájem o pronájem nových prostorů, se zlepší;
- Index tržní hodnoty dle DCF – 980 bodů – tržní hodnota nejlepších průmyslových prostor
bude stagnovat, likvidita trhu poklesne;
117
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
- Index výnosnosti vlastního kapitálu – 1140 – vyšší rizikovost investic do nemovitostí bude mít
za následek zvýšení požadované výnosnosti vlastního kapitálu.
Souhrn parametrů regresních funkcí všech zkoumaných závislých proměnných je shrnut v Tabulce
32.
Další výzkum indexů trhu s průmyslovými nemovitostmi se musí zaměřit na zpřesnění regresních
modelů a na získání vstupních dat přímo z ocenění nejlepších (anebo signifikantní části)
nemovitostí na trhu nebo alespoň objektivizací odhadů jejich tržní hodnoty ze strany všech
odborníků v oceňování průmyslových nemovitostí aktivních na českém trhu.
118
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
6. Závěrečná část
Podnětem k této práci byla potřeba komplexněji porozumět vztahu mezi prostorem, nemovitostí
a jejich tržní hodnotou, která ovlivňuje chování subjektů na trhu s nemovitostmi a která souvisí
s vývojem hospodářství. Účelem studie je analýza a predikce vývoje tržní hodnoty průmyslových
nemovitostí a prostředkem je model, ve kterém je oddělena tržní hodnota nejlepšího pronajatého
průmyslového prostoru na trhu od tržní hodnoty průmyslové nemovitosti.
Originálním prvkem je sada dalších tří indexů, které sledují uživatelskou a developerskou pozici na
trhu s prostory a pozici investorů na kapitálovém trhu. Pomocí těchto indexů lze dotvořit
komplexní obrázek stavu trhu s průmyslovými nemovitostmi. Korelace mezi Indexem uživatelské
pozice a hrubou poptávkou a mezi Indexem developerské aktivity a novou výstavbou potvrdila
adekvátnost modelu.
V souladu se zahraniční literaturou a v souladu s očekáváním byl nalezen vztah mezi Indexem tržní
hodnoty nejlepšího průmyslového prostoru na trhu a vývojem HDP posunutým o dvě období.
Jelikož byl identifikován vztah Indexu tržní hodnoty nejlepšího průmyslového prostoru na trhu
s Indexem důvěry v průmysl posunutým o dvě období, lze konstatovat, že očekávání hraje
důležitou roli ve formování tržní hodnoty prostorů a nemovitostí. Podařilo se identifikovat vztah
mezi indexy trhu s prostory a nezaměstnaností posunutou o dvě období, Index důvěry v průmysl
posunutý o dvě, resp. o tři období má rovněž vliv na tyto dva indexy.
119
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Trh s českými průmyslovými nemovitostmi zajisté souvisí i s vývojem akciového trhu, především
jeho části dedikované fondům typu REIT. V Česku veřejný burzovní trh s těmito fondy zatím
neexistuje, v zahraničí ovšem ano. Dle Fisher et al (1994) vývoj hodnoty podílů v těchto fondech
předbíhá vývoj tržní hodnoty nemovitostí. Další analýza by měla vztah českého trhu
s průmyslovými nemovitostmi s vývojem hodnoty podílů fondů typu REIT v Německu, ve Velké
Británii a v USA zhodnotit. Je velmi pravděpodobné, že vývoj hodnoty fondů typu REIT bude na
těchto trzích předbíhat vývoj Indexu tržní hodnoty a Indexu uživatelské pozice, obdobné=
předbíhání by mohlo být zaznamenáno i v případě indexů celého trhu. Vliv vývoje hodnoty fondů
typu REIT nebo indexů zahraničních akciových trhů na vývoj Indexu developerské aktivity a
Indexu vlastního kapitálu nelze očekávat.
Posunutí vysvětlujících proměnných umožňuje predikci vývoje indexů až o dvě čtvrtletí dopředu.
Očekávané hodnoty indexů vypočtené na základě jejich regresních funkcí byly porovnány
prostřednictvím ex-ante analýzy s jejich skutečnými hodnotami v prvních dvou čtvrtletích roku
2019. Rozdíl mezi očekávanými a skutečnými hodnotami Indexu tržní hodnoty jsou na úrovni 0,4
procenta, rozdíl v případě Indexu uživatelské pozice na úrovni 3,3 procenta, a v případě Indexu
developerské aktivity na úrovni 4,7 procenta, proto tyto modely lze v krátkém období pokládat za
spolehlivé. V případě Indexu výnosnosti vlastního kapitálu je rozdíl na úrovni 8,3 procenta,
spolehlivost tohoto modelů je diskutabilní i v krátkém období předpovědi. Citlivostní analýza
závislosti hodnot indexů na vysvětlujících proměnných umožňuje předpověď i v delším horizontu.
Předpověď vývoje nové výstavby se od skutečnosti liší (je nadhodnocena) o osmnáct procent a
předpověď vývoje hrubé poptávky je nadhodnocena o dvacet osm procent.
Studie přináší rešerši především zahraniční literatury, která se předmětu této studie dotýká, a
aplikuje získané poznatky na podmínky českého trhu s průmyslovými nemovitostmi. Z odborné
literatury vyplývá, že nedostatek dat o trhu s nemovitostmi není bolístkou jen českého prostředí
průmyslových nemovitostí, jde o fenomén obecný, přítomný i na těch nejvyspělejších trzích světa.
Disertační práce ukázala na některá slabá místa ve výzkumu komerčních nemovitostí.
Autoři odborné literatury se shodují, že kvalita a kvantita dat je klíčovým limitem výzkumu
nemovitostního sektoru. Jelikož na českém trhu není jako na jiných trzích veřejně dostupná
databáze celistvých informací o oceněních průmyslových nemovitostí a transakcích s nimi, byla
použita data ze dvou zdrojů - Industrial Research Fora a společnosti Savills, která bylo nutno
dopočítat a upravit pro účely této studie.
120
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Regresní modely vykazují nepřesnosti, které vychází již z dat, která byla pro jejich stanovení
použita. I když dostupná data lze považovat za reprezentativní, jedná se o data neúplná a zatížená
názorem vybrané skupiny odborníků a nutností zásahů do modelu formou předpokladů. Regresní
modely indexů trhu s průmyslovými nemovitostmi mohou být přesnější, pokud budou zajištěna
podrobnější a komplexnější data zejména o:
Regresní analýza byla provedena v rámci jednoho nemovitostního cyklu od roku 2008 do roku
2018. V rámci tohoto období byly identifikovány tři epochy, které se svými charakteristikami
navzájem liší. Jakmile budou k dispozici data o roku 2019, bude vhodné model přepočítat se
zahrnutím tohoto roku, jelikož patří do stejného, druhého, cyklu. Aktualizace modelu by následně
měla probíhat na roční bázi. Data z předchozího cyklu nebyla zahrnuta, jelikož tento cyklus byl
prvním cyklem českého nemovitostního trhu, a proto měl specifické vlastnosti nevyzrálého trhu, a
jelikož o období před rokem 2007 nebylo možno získat veškerá data o trhu s nemovitostmi
potřebná pro provedení analýzy. Indexy trhu s nemovitostmi z tohoto důvodu zřejmě nebudou
schopny zaznamenat příští změnu trhu (Fisher et al, 1994).
V této disertační práci jsem potvrdil některé poznatky z odborné literatury. V souladu s Geltner
(2014) byl potvrzen závěr, že volatilita pohybů tržních hodnot nemovitostí indikovaných
odborníky je spíše dána pohyby nominální kapitalizační míry než pohyby základního nájemného.
Vzorec 6 pocházející z Thompson a Tsolacos (1999) identifikuje stejné vysvětlující proměnné pro
determinaci základního nájemného jako tato práce v regresní analýze indexů trhu s prostory, které
sledují pozici nájemců a developerů. Analýza potvrdila paměť v časové řadě základního nájemného
v souladu s Tsolacos et al (2005). Mezi důvody rozdílu základního nájemného v pražských a
mimopražských lokalitách byl identifikován rozdíl přidané hodnoty produkované nájemci v těchto
lokalitách (Venables, 1996; Tsolacos et al, 2005). Průběh indexů trhu s prostory ukázal, že trh
s průmyslovými prostory prochází sérií nerovnovážných stavů (De Leeuw a Ekanem, 1971).
Index tržní hodnoty je konstruovaný s ohledem na nedostatek vstupních dat. Koncepce indexu
řeší odlišnost hédonických charakteristik podkladových nemovitostí, které jsou problematické při
121
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
konstrukci indexů založených na ocenění či na transakcích. Index neřeší problém vyhlazení vývoje
indexu z důvodu časové agregace, jelikož vyhlazení je specifickou vlastností nemovitostí, jež je
spíše předností než negativem, není tudíž důvod volatilitu indexu uměle zvyšovat.
122
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Dlouhodobé sledování trhu prostřednictvím indexů trhu s průmyslovými nemovitostmi bude mít
dozajista pozitivní vliv na další rozvoj tohoto segmentu trhu s nemovitostmi. Pokud se podaří
přesvědčit hlavní hráče na trhu o jejich potřebě a pokud je tito hlavní hráči začnou používat
v běžném profesním životě a ke svému užitku, přispějí tyto indexy k transparentnosti celého
odvětví a k lepší informovanosti odborné i laické veřejnosti.
123
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
W.Alonso, 1964. Location and land use. Harvard University Press. Cambridge, MA. ISBN:
9780674730854.
B.W.Ambrose, 1990. An analysis of the factors affecting light industrial property valuation. Journal
of real estate research, Vol. 5, pp. 355-370.
L.Anas, S.J.Eum, 1984. Hedonic analysis of a housing market in disequilibrium. Journal of urban
economics. Volume 15(1), pp. 97-106.
J.Arlt, M. Arltová, E.Rublíková, 2012. Analýza ekonomických časových řad s příklady. skripta VŠE.
W.L.Atteberry, R.C.Rutherford, 1993. Industrial real estate prices and market efficiency. Journal of
real estate research. Volume 8/3, pp. 377-385.
M.J.Bailey, R.F.Muth, 1963. A regression method for real estate price index construction. Journal of
the American Statistical Association, Vol. 58, pp. 933-942.
A.Baum, N.Crosby, 2008. Property investment appraisal, 3rd edition. Blackwell Publishing. ISBN:
978-1405135559.
J.D.Benjamin, E.J.Zietz, G.S.Sirmans, 2003. The environment and performance of industrial real
estate. Journal of real estate literature. Volume 11/3, pp. 279-323.
M.Blackledge, 2009. Introducing Property Valuation. Routledge, New York. ISBN13: 978-0-415-
43477-5.
G. Blundell, C.Ward, 1987. Property portfolio allocation: a multi-factor model. Land development
studies. Volume 4, pp. 145-156.
G. Blundell, C.Ward, 1987. Property portfolio allocation: a multi-factor model. Land development
studies. Volume 4(2), pp. 145-156.
124
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
S.Bokhari, D.Geltner, 2010. Estimating real estate price movements for high frequency tradable
indexes in a scarce data environment. Journal of Real Estate Fin. Econ., 45:522-43.
W.I.Boudry, E.Coulson, J.G.Kallberg, C.H.Liu, 2012. What Do Commercial Real Estate Price Indices
Really Measure? The Center for Real Estate and Finance Working Paper Series, 2012-002, pp. 1-
28.
S.C.Bourassa, E.Cantonil, M.Hoesli, 2013. Robust repeat sale indexes. Real estate economics. Volume
41(3), pp. 517-541.
W.B.Brueggeman, J.D.Fisher, 2011. Real Estate Finance and Investments, 14th edition. McGraw-Hill.
ISBN 978-007-128918-4.
R.V.Butler, 1982. The specification of hedonic indexes for urban housing. Land economics.
Volume 58(1), pp. 96-108.
J.R.Buttimer Jr., R.C.Rutherford, R.Witten, 1997. Industrial warehouse rent determinants in the
Dallas/Fort Worth area. Journal of real estate research, Volume 13/1, pp. 47-55.
B.Case, R.Schiller, 1987. Prices of single-family homes since 1970: new indexes for four cities.
Working paper no. 2393. National Bureau of Economic Research.
B.Case, J.M.Quigley, 1991. The dynamics of real estate prices. Review of economics and statistics.
Volume 73(1), pp. 50.58
CBRE, 2017. Global rent and capital value indices Q3 2017. CBRE research at
www.cbre.com/researchgateway
J.M.Clapp, C.Giaccotto, 1998. Price indices based on the hedonic repeat-sale method: application to
the housing market. Journal of real estate finance and economics. Volume 16(1), pp. 5-26.
J.G.Cleminshaw, 1997. Measuring superadequacy in older industrial plants: a case study. Real estate
review. Volume 4/1, pp. 51-57.
O.Costa, E.Cazassa, 2018. How relevant are generalist real estate indices in emerging market?
RAUSP Management Journal. Volume 22.
125
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
N.Crosby, P.McAllister, 2004. Deconstructing the transaction process: an analysis of fund transaction
data. Working paper II. Liquidity in commercial property markets. Investment property forum.
Deloitte, 2019. The future of the industrial real estate market. Deloitte indisghts at
https://www2.deloitte.com/us/en/insights/industry/financial-services/future-of-industrial-real-
estate-market.html
Y.Deng, D.McMillen, T.F.Sing, 2011. Private residential price indices in Singapore: a matching
approach. Regional science and urban economics. Volume 42(3), pp. 485-494.
F. De Leeuw, N.F.Ekanem, 1971. The supply of rental housing. American economic association.
Volume 61(5), pp. 806-817.
J.M.Derbes Jr., 2002. Non-comparable industrial sales. The appraisal journal. Volume 70/1, pp. 39-
45.
D.DiPasquale, W.C.Wheaton, 1992. The Markets for Real Estate Assets and Space: A Conceptual
Framework. Journal of the American Real Estate and Urban Economics Association. Volume 10,
1: pp. 181-197.
D.Dubská, 2014. Hmotné bohatství v České republice: posiluje ho vývoj na realitním trhu? Český
statistický úřad. Ročník 2014, kód publikace: 320179-14.
N.Dunse, C.Jones, J.Brown, W.D.Fraser, 2004. The spatial patter of industrial rents and the role of
distance. Journal of property investment and finance. Volume 23/4, pp. 329-341.
H.du Toit, C.E.Cloete, 2004. Appraisal of the Fischer-DiPasquale-Whetaon real estate model and
development of an integrated property and asset market model. South African Journal of
Economic and Management Sciences. Volume 7, 2: pp. 341-367.
G.Ellison, E.L.Glaeser, 1999. The geographic concentration of industry: does natural advantage
explain agglomeration? American economic review. Volume 89/2, pp. 311.316.
E.F.Fama, 1970. Efficient capital markets: a review of the theory and empirical work. Journal of
finance. Volume 25(2), pp. 383-417.
126
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
J.Fisher, D.Geltner, R.B.Webb, 1994. Value indeces of commercial real estate: A comparison of index
construction methods. Journal of Real estate Finance & Economics. Volume 9, 2: pp. 137-164.
D.Fischer, 1999. An integrated property market model. Journal of Real Estate Practice & Valuation.
Volume 2, 1: pp. 33-43.
D.A.Ford, H-G.Fung, D.A.Gerlowski, 1998. Factors affecting foreign investor choice in types of U.S.
real estate. Journal of real estate research. Volume 16/1, pp. 99-111.
M.Francke, G.A.Vos, 2004. The hierarchical trend model for property valuation and local price
indices. Journal of real estate finance and economics. Volume 28(2-3), pp. 179-208.
H.Franklin, 1994. Industrial inspirations. Journal of property management. Volume 59:3, pp. 18-
20.
N.French, G.Wiseman, 2003. The price of space: the convergence of value in use and value in
exchange. Journal of property investment and finance. Volume 21/1, pp. 23-30.
F.Fuerst, X.Liu, X.Lizieri, 2015. How to build a real estate index for an emerging market: the case
of Beijing. Department of Land Economy Working Paper, University of Cambridge.
D.Gatzlaf, C.Holmes, 2013. Estimating transaction-based price indices of local Commercial real
estate markets using public assessment data. J. Real Estate Finan. Econ., 46:260-81
D.M.Geltner, N.G.Miller, J.Clayton, P.Einholz, 2013. Commercial real estate: Analysis and
Investments, 3rd Edition. OnCourse Learning, Mason. ISBN-13: 978-1133108825.
D.M.Geltner, 1989. Estimating real estate’s systematic risk from aggregate level appraisal-based
returns. Temporal Aggregation in Real Estate Return Indices. AREUEA Journal. Volume 17, 4,
pp. 463-481.
D.M.Geltner, 1991. Smoothing in appraisal-based returns. Journal of real estate finance and
economics. Volume 4, 3 pp. 327-345.
D.M.Geltner, 1993a. Temporal Aggregation in Real Estate Return Indices. AREUEA Journal.
Volume 21, 2.
D.M.Geltner, 1993b. Estimating market values from appraised values without assuming an efficient
market risk from aggregate level appraisal-based returns. Journal of real estate research. Volume
8(3), pp. 325-345.
127
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
D.M.Geltner, 2014. Real estate price indices & price dynamics: an overview from an investment
perspective. Annual review of financial economics. Massachusetts Institute of Technology,
Department of Urban Studies & Planning, Center for Real Estate. pp. 1-42.
D.M.Geltner, D.Ling, 2006. Considerations in the design and construction of investment real estate
research indices. Journal of real estate research. Volume 28(4), pp. 411-444.
A.M.Gohs, 2017. Correction procedures for appraisal-based real estate indices. 24th annual
konference ERES in Delft, The Netherlands.
H.Gravelle, R.Rees, 2004. Microeconomics, 3rd edition. Pearson education limited. ISBN: 978-
0582404878.
T.V.Grissom, D.J.Hartzell, C.H.Liu, 1987. An approach to industrial real estate market segmentation
and valuation using the arbitrage pricing paradigm. Journal of the American real estate and urban
economics association. Volume 15/3, pp. 199-219.
W.Härdle, 1990. Applied nonparametric regression. Cambridge University Press, New York. ISBN:
978-139052139.
J.Henneberry, 1991b. Occupier satisfaction with rented industrial property. Property management.
Volume 9/4, pp. 348-357.
R.Hindls, S.Hronová, J.Seger, J.Fischer, 2007. Statistika pro ekonomy, 8.vydání. Professional
publishing, Praha. ISBN: 978-8086946436.
R.Hodrick, E.Prescott, 1997. Postwar U.S. business cycles: an empirical investigation. Journal of
money credit banking. Volume 29(1), pp. 1-16.
J.W.Hoag, 1980. Towards indices of real estate value and return. The journal of finance. Volume
35/2, pp. 569-580.
L.G.Holmes, 1948. The real estate handbook. Prentice Hall. New York. ASIN: B0007E6XOG.
W.T.Hughes, 1994. Determinants of demand of industrial property. The appraisal journal. Volume
62/2, pp.303-309.
128
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
R.Chaplin, 1997. Unsmoothing valuation-based indices using multiple regimes. Journal of property
research. Volume 14(3), pp. 189-210.
A.Chegut, P.Eichholtz, P.Rodrigues, R.Weerts, 2015. Spatial dependence in international office markets.
Journal of real estate finance and economics. Volume 51(2), pp. 317-350.
JLL, 2018. Global Market Perspective February 2018. JLL Global Research at
http://www.jll.com/research.
J.Kaizr, B.Haynes, D.Parsons, 2010. Occupier’s satisfaction with technical standard of modern
industrial properties in the Czech Republic. Sheffield Hallam University Built Environment
Research Transactions, 2 (Spec.), pp. 50-69. ISSN 1759-3190,
J.Kaizr, 2017. Czech industrial real estate market: the quest for realistic model. The impact of
globalization on international finance and accounting. ISBN 978-3-319-68761-2.
T.J.Kauko, 2002. Modelling the locational determinants of house prices: neural networks and value
tree approaches. Dizertační práce. Utrecht University, Holandsko.
Kolektiv autorů – členů Pracovní skupiny pro oceňování majetku ČBA, 2015. Standardy bankovních aktivit
– Standardy oceňování nemovitých věcí pro účely ohodnocení zajištění finančních institucí. Česká
Bankovní Asociace.
K.J.Lancaster, 1966. A new approach to consumer theory. Journal of political economy. Volume
74/2, pp. 132-157.
Ch.Laux, Ch.Leuz, 2010. Did fair-value accounting contribute to the financial crisis? Journal of
economic perspectives. Volume 24, pp. 93-118.
J.LeSage,R.K.Pace, 2010. Introduction to spatial econometrics. Boca Raton, Florida. Chapman &
Hall/CRC.
D.C.Ling, A.Naranjo, N.Nimalendran, 2000. Estimating returns on commercial real estate: a new
methodology using latent variable models. Real estate economics. Volume 28(2), pp. 205-231.
129
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
C.Lizieri, S.Satchel, W.Wongwachara, 2010. Unsmoothing real estate returns: a regime switching
apporach. Darwin College. Working Paper. University of Cambridge.
M.Mařík, O.Maříková, 2011. Hodnotové báze pro oceňování podniku – stále otevřený problém.
Odhadce a oceňování podniku. Ročník 17/3-4, str. 37-56.
P.Martin, C.A.Rogers, 1995. Industrial location and public infrastructure. Journal of international
economics. Volume 39/3-4, pp. 335-351.
D.P.McMillen, 2012. Repeat sales as a matching estimator. Real estate economics. Volume 40(4),
pp. 745-772.
D.P.McMillen, J.Dombrow, 2001. A flexible Fourier approach to repeat sales price indexes. Real estate
economics. Volume 29(2), pp. 207-225.
J.Myers, 1994. Fundamentals of production that influence industrial facility design. The Appraisal
journal. Volume 62/2, pp. 296-302.
G.R.Mueller, 1999. Real estate rental growth rates at different points in the physical market cycle.
Journal of real estate research. Volume 18/1, pp. 131-150.
R.B.Peiser, D.Hamilton, 2012. Professional real estate development. Urban Land Institute. ISBN:
978-0874204322.
D. Quan, J. Quigley, 1991. Price formation and the appraisal function in real estate markets. Journal
of real estate finance and economics. Volume 4, pp. 127-146.
J.E.Rauch, 1993. Does history matter only when it matters little? The case of city-industry location.
The quarterly journal of economics. Volume 108/3, pp. 843-867.
RICS, 1994. Understanding the property cycle: economic cycles and property cycles. London,
RICS.
130
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
S.Rosen, 1974. Hedonic prices and implicit markets: Product differentiation in pure competition.
Journal of political economy. Volume 82, pp. 34-55.
S.Ross, R.Zisler, 1991. Risk and return in real estate. Journal of real estate finance and economics.
Volume 4, 2 pp. 175-190.
M.Sicola, 2017. Commercial real estate terms and definitions. NAIOP Research Foundation. San
Francisco, California, USA.
R.Sivitanidou, P. Sivitanides, 1995. Industrial rent differentials: the case of greater Los Angeles.
Environment and planning. Volume 27/7, pp. 1133-1146.
R.Thompson, 1997. Industrial employment densities. Journal of real estate research. Volume 14/3,
pp 309-319.
B.Thompson, 2005. Pan-European industrial property. Journal of property investment and finance.
Volume 23/4, pp. 379-385.
B.Thompson, S.Tsolacos, 1999. Rent adjustments and forecasts in the industrial market. Journal of real
estate research. Volume 17/1,2, pp. 151-167.
B.Thompson, S.Tsolacos, 2000. Projections in the industrial property market using simultaneous
equation system. Journal of real estate research. Volume 19/1,2, pp. 165-188.
B.Thompson, S.Tsolacos, 2001. Industrial land values: A guide to future markets? Journal of real estate
research. Volume 21/1,2, pp. 55-76.
S. Tsolacos, T. McGough, B. Thompson, 2004. Affordability and performance in the industrial property
market. Journal of Property Investment & Finance. Volume 23/ 4, pp. 311-328.
A.J.Venables, 1996. Localization of industry and trade performance. Oxford review of economic
policy. Volume 12/3, pp. 52-60.
A.J.Venables, 2000. Localization of industry and trade performance. Oxford review of economic
policy. Volume 12/3, pp. 52-60.
P.Wang, 1998. Unsmoothing property returns with the implied cointegration relationship. Journal
of property valuation and investment. Volume 16(4), pp. 358-368.
131
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
R.G.Witten, 1987. Riding the Real Estate Cycle. Real Estate Today. August 1987, pp. 42-48.
W.C.Wheaton, R.G.Torto, 1990. An investment model of the demand and supply for industrial real
estate. American real estate and urban economics association journal. Volume 18/4, pp. 530.547.
W.C.Wheaton, 1999. Real Estate „Cycles“: Some fundamentals. Real Estate Economics. Volume
27, 2: pp. 209-230.
The World Bank, 2007 až 2019. Doing business 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014,
2015, 2016, 2017, 2018, 2019. International Bank for Reconstruction and Development, The World
Bank, Washington DC.
B.Ziering, W.McIntosh, 1999. Property size and risk: why bigger is not always better. Journal of real
estate portfolio management. Volume 5(2), pp. 105-112.
D.W.Zimmer, 1991. Avoiding traps when using sales comparison to value storage and distribution
facilities. The appraisal journal. Volume 59/3, pp. 390-394.
132
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
133
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 1: Vývoj zásoby S českých průmyslových prostor k pronájmu třídy A od roku 2002 do roku
2018 proložený lineární trendovou křivkou (str. 48)
9000000
8000000
7000000
6000000
m2
5000000
4000000
3000000
2000000
1000000
0
2002 2004 2006 2008 2010 2012 2014 2016 2018
Zásoba St (m2) Lineární (Zásoba St (m2))
134
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 2: Vývoj hrubé poptávky GTU a nové výstavby SUP průmyslových prostor k pronájmu třídy
A od roku 2002 po letech (str. 49)
1600000
1400000
1200000
1000000
m2
800000
600000
400000
200000
0
2002 2004 2006 2008 2010 2012 2014 2016 2018
Hrubá poptávka GTUt (m2) Nová výstavba SUPt (m2)
Graf 3: Čtvrtletní vývoj hrubé poptávky, nové výstavby a nepronajatosti českých průmyslových
prostor k pronájmu třídy A v období BUDI (str. 50)
Graf 4a/b: Korelogramy hrubé poptávky GTU a nové výstavby SUP v období UDI (str. 53)
0,8 0,5
0,7
0,4
Autokorelace GTU
Autokorelace SUP
0,6
0,5 0,3
0,4 0,2
0,3
0,1
0,2
0
0,1
0 -0,1
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
Posunutí Posunutí
Graf 5: Evropská hrubá poptávka po průmyslových prostorech v letech 2012 až 2018 (str. 55)
135
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Španělsko
25 000 000
Rumunsko
Hrubá poptávka (m2)
Holandsko
15 000 000
Irsko
10 000 000 Německo
Francie
5 000 000
Česko
-
Belgie
2012 2013 2014 2015 2016 2017 2018
Graf 6: Evropská hrubá poptávka po průmyslových prostorech v letech 2012 až 2018 s predikcí
do roku 2023 včetně predikce růstu segmentu internetového obchodu (str. 55)
35 000 000
12%
Hrubá poptávka (m2)
30 000 000
10%
25 000 000
8%
20 000 000
6%
15 000 000
4%
10 000 000
5 000 000 2%
- 0%
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
European logistics take up European ecommerce as a % of total retail sales
Graf 7: Čistá absorpce a nepronajatost průmyslových prostor v Česku v období BUDI (str. 56)
136
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 8: Srovnání vývoje základního nájemného za moderní průmyslové prostory v Praze, mimo
Prahu a v celé ČR v období BUDI (str. 58)
4,90 €
4,70 €
4,50 €
4,30 €
4,10 €
3,90 €
3,70 €
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Základní nájemné Praha (EUR/m2/měsíc) Základní nájemné mimo Prahu (EUR/m2/měsíc)
Základní nájemné v ČR (EUR/m2/měsíc)
Graf 9: Srovnání vývoje základního nájemného za moderní průmyslové prostory v Praze, mimo
Prahu a v celé ČR v období BUDI (str. 58)
137
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
140,00 Kč
135,00 Kč
130,00 Kč
125,00 Kč
120,00 Kč
115,00 Kč
110,00 Kč
105,00 Kč
100,00 Kč
95,00 Kč
90,00 Kč
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Základní nájemné Praha (Kč/m2/měsíc) Základní nájemné mimo Prahu (Kč/m2/měsíc)
Základní nájemné v ČR (Kč/m2/měsíc)
Graf 10: Základní nájemné v Praze a mimo Prahu a nepronajatost průmyslových prostor v Česku
v období BUDI (str. 59)
Graf 11: Vývoj efektivního nájemného v EUR a v Kč v období BUDI (str. 62)
120,00 Kč
B U D I
4,20 €
115,00 Kč
4,00 € 110,00 Kč
105,00 Kč
3,80 €
100,00 Kč
3,60 € 95,00 Kč
90,00 Kč
3,40 €
85,00 Kč
3,20 € 80,00 Kč
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Efektivní nájemné (EUR/m2/měsíc) Efektivní nájemné(Kč/m2/měsíc)
138
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 12: Srovnání vývoje základního a efektivního nájemného v Kč v letech 2007 až 2018 (str. 63)
4,80 €
4,60 €
4,40 €
4,20 €
4,00 €
3,80 €
3,60 €
3,40 €
3,20 €
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Graf 13: Nová výstavba a developerský zisk v období BUDI (str. 68)
Graf 14: Průměrná cena prostoru v transakcích v Praze a mimo Prahu v období BUDI (str. 71)
Graf 15: Průměrná nominální míra kapitalizace dle expertů a dle skutečných transakcí v období
BUDI (str. 73)
Graf 16: Průměrná nominální míra kapitalizace dle expertů a dle skutečných transakcí v období
BUDI (str. 74)
Graf 17: Průměrná reálná míra kapitalizace dle odborníků po odečtení nákladů úvěrového
financování v období BUDI (str. 77)
Graf 18: Vývoj nominálních kapitalizačních měr v Evropě v letech 2012 až 2018 (str. 78)
139
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
9,00%
Berlín
8,00%
Paříž
7,00%
Londýn
6,00%
Varšava
5,00%
4,00% Praha
3,00% Milán
2012 2013 2014 2015 2016 2017 2018
Graf 19: Podíl Česka na evropských investicích do průmyslových nemovitostí v roce 2018 (str. 79)
Graf 20: Vývoj indexů základního a efektivního nájemného v období BUDI (str. 86)
Graf 21: Vývoj indexu základního nájemného a Indexu UP v období BUDI (str. 87)
1 1
Autokorelace IUP
0,8 0,8
Autokorelace IDA
0,6 0,6
0,4 0,4
0,2 0,2
0 0
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
Posunutí Posunutí
Graf 23: Vývoj Indexu developerského zisku a nové výstavby v období BUDI (str. 90)
140
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
500,00
100 000
0,00
50 000
-500,00
0 -1 000,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Graf 24: Vývoj Indexu developerského zisku ve srovnání s vývojem Indexu DA v období BUDI
(str. 90)
Graf 25: Vývoj Indexu DA a nové výstavby v období BUDI (str. 92)
Graf 26: Vývoj hodnoty průmyslového prostoru v EUR a v Kč v období BUDI (str. 95)
Graf 27: Vývoj indexů hodnoty nejlepšího metru čtverečního průmyslového prostoru v období
BUDI (str. 98)
141
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
1 200,00
B U D I
1 100,00
1 000,00
900,00
800,00
700,00
600,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
IHP IHD
1 1
Autokorelace IHP
Autokorelace IHD
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
Posunutí Posunutí
142
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
1
0,8
Autokorelace IVVK
0,6
0,4
0,2
0
-0,2
-0,4
1 2 3 4 5 6 7 8
Posunutí
Graf 30: Vývoj Indexu HD a Indexu VVK v období BUDI (str. 101)
1 300,00
B U D I
1 200,00
1 100,00
1 000,00
900,00
800,00
700,00
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
IVVK IHD
Graf 31: Vývoj Indexu hodnoty, Indexu uživatelské pozice a Indexu developerské aktivity v období
BUDI (str. 102)
Graf 32a/b: Závislost druhých mocnin reziduí na očekávaných hodnotách Indexů IDA a UP
v období UDI (str. 108)
143
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
60000 8000
7000
50000
6000
Rezidua^2
Rezidua^2
40000 5000
30000 4000
3000
20000
2000
10000 1000
0 0
0 500 1000 1500 0 500 1000 1500
Očekávané IDA Očekávané IUP
Graf 33a/b: Závislost druhých mocnin reziduí na očekávaných hodnotách Indexů HD a VVK
v období UDI (str. 109)
16000 30000
14000 25000
12000
Rezidua^2
Rezidua^2
10000 20000
8000 15000
6000 10000
4000
2000 5000
0 0
0 500 1000 1500 0 500 1000 1500
Očekávané IHD Očekávané IVVK
Graf 34a/b: Závislost druhých mocnin reziduí na očekávaných hodnotách hrubé poptávky a nové
výstavby v období UDI (str. 111)
3E+10 2E+10
2,5E+10
1,5E+10
Rezidua^2
2E+10
Rezidua^2
1,5E+10 1E+10
1E+10
5E+09
5E+09
0 0
0 200000 400000 600000 0 100000 200000 300000
Očekávané GTU Očekávané SUP
144
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 35: Skutečný a očekávaný Index uživatelské pozice v období UDI s predikcí od prvního
kvartálu 2019 do prvního kvartálu 2020 (str. 112)
1300
U D I
1250
1200
1150
IUP a IUP'
1100
1050
1000
950
900
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
Graf 36: Skutečný a očekávaný Index developerské aktivity v období UDI s predikcí od prvního
kvartálu 2019 do prvního kvartálu 2020 (str. 112)
1200
U D I
1100
1000
IDA a IDA'
900
800
700
600
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
145
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 37: Skutečný a očekávaný Index HD v období UDI s predikcí od prvního kvartálu 2019 do
prvního kvartálu 2020 (str. 113)
1100
U D I
1050
1000
IHD a IHD'
950
900
850
800
750
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
Graf 38: Skutečný a očekávaný Index VVK v období UDI s predikcí od prvního kvartálu 2019 do
prvního kvartálu 2020 (str. 113)
146
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
1300
U D I
1200
1100
IVVK a IVVK'
1000
900
800
700
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
Graf 39: Skutečná a očekávaná hrubá poptávka po prostorech v období UDI s predikcí od prvního
kvartálu 2019 do prvního kvartálu 2020 (str. 113)
550000
U D I
500000
450000
400000
GTU a GTU'
350000
300000
250000
200000
150000
100000
2008
2008
2009
2009
2010
2010
2011
2011
2012
2012
2013
2013
2014
2014
2015
2015
2016
2016
2017
2017
2018
2018
2019
2019
2020*
147
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Graf 40: Skutečná a očekávaná nová výstavba v období UDI s predikcí od prvního kvartálu 2019
do prvního kvartálu 2020 (str. 114)
300000
U D I
250000
200000
SUP
150000
100000
50000
0
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020*
Graf 41: Vývoj očekávaných hodnot Indexu HD’, Indexu DA’ a Indexu UP’ v období UDI a v
následujících 5 čtvrtletích (str. 117)
148
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Seznam tabulek
Tabulka 1: Technické specifikace preferované nájemci dle velikosti průmyslové jednotky (str. 33)
Tabulka 2: Délka povolovacího procesu v Česku v letech 2007 až 2018 (str. 41)
Tabulka 4: Ukazatele trhu s průmyslovými prostory ve sledovaném období let 2007 až 2018 a
popisná statistika hrubé poptávky a nové výstavby (str. 48)
Čtvrtletí Hrubá poptávka Nová výstavba Zásoba Čistá absorpce Nepronajatost
Rok
(t) GTUt (m2) SUPt (m2) St (m2) At (m2) * Vt (%) *
2007 Q1 175 960 269 890 1 952 073 -142 732 5,11%
Q2 256 056 194 763 2 146 836 40 821 5,56%
Q3 213 438 258 420 2 405 256 -71 221 5,93%
Q4 219 518 232 964 2 638 220 -40 615 6,52%
2008 Q1 147 825 245 657 2 883 877 -143 106 7,52%
Q2 192 107 186 965 3 070 842 -95 620 10,34%
Q3 143 027 211 919 3 282 761 -136 885 11,74%
Q4 132 218 86 747 3 369 508 12 707 12,41%
2009 Q1 174 241 217 464 3 586 972 -105 172 13,39%
Q2 233 366 184 210 3 771 182 -37 575 15,03%
Q3 81 786 24 846 3 796 028 83 561 14,23%
Q4 113 102 27 538 3 823 566 106 590 13,58%
2010 Q1 191 073 13 005 3 836 571 200 895 12,94%
Q2 217 416 21 519 3 858 090 210 707 12,48%
Q3 250 173 78 671 3 936 761 213 661 11,16%
Q4 284 043 88 186 4 024 947 266 224 9,17%
2011 Q1 186 395 22 838 4 047 785 217 029 7,80%
Q2 292 219 39 970 4 087 755 266 682 7,37%
Q3 161 524 98 623 4 186 378 98 917 6,34%
Q4 218 325 109 238 4 295 616 96 666 6,46%
2012 Q1 179 520 93 176 4 388 792 59 546 6,94%
Q2 217 328 31 468 4 420 260 167 670 7,30%
Q3 238 953 52 175 4 472 435 185 367 7,25%
Q4 315 744 50 692 4 523 127 278 035 6,88%
2013 Q1 250 350 47 760 4 570 887 153 692 7,88%
Q2 268 445 67 735 4 638 622 176 270 8,29%
Q3 272 437 133 347 4 771 969 115 452 8,55%
Q4 425 083 36 945 4 808 914 403 476 8,17%
2014 Q1 274 673 67 269 4 876 183 185 479 8,50%
Q2 273 241 127 292 5 003 475 139 015 8,43%
Q3 400 442 114 040 5 117 515 325 027 7,48%
Q4 436 563 79 548 5 197 063 318 163 8,12%
2015 Q1 237 186 45 924 5 242 987 210 561 7,68%
Q2 413 342 100 181 5 343 168 352 253 6,80%
Q3 342 956 267 021 5 610 189 124 625 5,61%
Q4 433 626 158 138 5 768 327 298 004 5,07%
2016 Q1 329 651 84 277 5 852 604 296 652 4,12%
Q2 338 086 194 539 6 047 143 101 589 4,68%
Q3 299 495 55 987 6 103 130 258 222 4,39%
Q4 519 648 220 774 6 323 904 269 701 4,70%
2017 Q1 297 737 161 142 6 485 046 125 706 4,75%
Q2 350 739 176 879 6 661 925 207 463 4,12%
Q3 335 546 89 369 6 751 294 278 430 3,59%
Q4 367 383 212 666 6 963 961 110 170 4,12%
2018 Q1 420 303 212 698 7 176 659 190 182 4,24%
Q2 313 344 170 300 7 346 959 173 047 3,73%
Q3 334 400 180 700 7 527 659 195 339 3,09%
Q4 297 453 198 541 7 726 200 -8 351 4,39%
149
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Zdroj: Data poskytnutá IRF a Savills, * vlastní výpočty z dat poskytnutých IRF a Savills
Tabulka 5: Srovnání ukazatelů trhu průmyslových uživatelů (hrubá poptávka, nová výstavba, čistá
absorpce a nepronajatost) v Epochách U, D a I (str. 50)
Tabulka 6: Čtvrtletní ukazatele trhu průmyslových uživatelů (hrubá poptávka, nová výstavba, čistá
absorpce a nepronajatost) v období UDI (str. 53)
Tabulka 7: Pearsonova korelační matice ukazatelů trhu průmyslových uživatelů (str. 54)
150
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
2017 Q3 1277422 11797 4238765 0,46% -0,33% 2,48% 0,49% 5257,30 26,084 3,30
2017 Q4 1293900 11870 4226891 0,76% -0,33% 2,57% 0,48% 5262,70 25,54 6,70
2018 Q1 1307880 11937 4349924 0,90% -0,33% 1,70% 0,67% 5258,20 25,43 4,00
2018 Q2 1321120 12134 4408592 0,93% -0,33% 2,60% 0,67% 5289,20 26,02 4,30
2018 Q3 1341214 12198 4455305 1,54% -0,32% 2,30% 0,57% 5301,40 25,715 1,30
2018 Q4 1364505 12368 4493666 2,01% -0,32% 2,00% 0,19% 5326,30 25,725 3,00
2019 Q1 1388419 12507 4588153 2,03% -0,31% 3,00% 1,23% 5305,50 25,8 0,00
2019 Q2 1405559 12680 4709400 2,17% -0,31% 2,70% 0,75% 5295,90 25,445 0,30
2019 Q3 1424211 12894 4768192 2,14% -0,35% 2,70% 0,65% 5307,80 25,740 -3,00
2019 Q4
Tabulka 9: Zásoba moderních průmyslových ploch v poměru k plošné velikosti a k počtu obyvatel
v evropských zemích ke konci roku 2018 (str. 55)
Tabulka 10: Základní nájemné na trhu s průmyslovými prostory dle expertů a rozdělení zásoby
mezi pražský a mimopražský trh v letech 2007 až 2018 (str. 58)
Základní nájemné Praha RPt Základní nájemné mimo Zásoba v Praze Zásoba mimo
Rok Čtvrtletí
(EUR/m2/měsíc) Prahu RMPt (EUR/m2/měsíc) SPt (m2) Prahu SMPt (m2)
2007 Q1 4,84 € 4,68 € 881 273 1 070 800
Q2 4,87 € 4,68 € 889 697 1 257 139
Q3 4,84 € 4,68 € 1 067 752 1 337 504
Q4 4,84 € 4,68 € 1 173 338 1 464 882
2008 Q1 4,87 € 4,68 € 1 239 432 1 644 445
Q2 4,84 € 4,68 € 1 309 662 1 761 180
Q3 4,84 € 4,68 € 1 364 292 1 918 469
Q4 4,84 € 4,68 € 1 394 439 1 975 069
2009 Q1 4,12 € 4,36 € 1 503 807 2 083 165
Q2 3,96 € 4,36 € 1 564 222 2 206 960
Q3 3,73 € 4,36 € 1 585 327 2 210 701
Q4 3,73 € 4,36 € 1 605 292 2 218 274
2010 Q1 3,73 € 4,36 € 1 607 229 2 229 342
Q2 3,73 € 4,36 € 1 607 229 2 250 861
Q3 3,89 € 4,36 € 1 607 229 2 329 532
Q4 3,89 € 4,36 € 1 629 802 2 395 145
2011 Q1 3,89 € 4,36 € 1 629 802 2 417 983
Q2 3,89 € 4,36 € 1 631 916 2 455 839
Q3 3,96 € 4,36 € 1 631 916 2 554 462
Q4 3,96 € 4,36 € 1 653 158 2 642 459
2012 Q1 4,01 € 4,36 € 1 703 633 2 685 159
Q2 4,06 € 4,36 € 1 709 406 2 710 854
Q3 4,06 € 4,35 € 1 710 906 2 761 529
Q4 4,06 € 4,28 € 1 719 323 2 803 805
2013 Q1 4,06 € 4,30 € 1 725 681 2 845 207
Q2 4,06 € 4,30 € 1 731 681 2 906 942
Q3 4,06 € 4,30 € 1 779 323 2 992 647
Q4 4,06 € 4,30 € 1 785 968 3 022 947
2014 Q1 4,06 € 4,30 € 1 819 097 3 057 086
Q2 4,06 € 4,30 € 1 911 441 3 092 034
Q3 4,06 € 4,30 € 1 944 500 3 173 015
Q4 4,06 € 4,30 € 1 983 729 3 213 334
2015 Q1 4,11 € 4,30 € 2 016 605 3 226 382
Q2 4,11 € 4,30 € 2 083 543 3 259 625
Q3 4,11 € 4,30 € 2 228 848 3 381 341
Q4 4,11 € 4,30 € 2 238 198 3 530 129
2016 Q1 4,15 € 4,30 € 2 271 716 3 580 888
Q2 4,15 € 4,30 € 2 323 014 3 724 130
Q3 4,15 € 4,30 € 2 371 956 3 731 175
Q4 4,15 € 4,30 € 2 440 971 3 882 933
2017 Q1 4,25 € 4,34 € 2 492 112 3 992 935
Q2 4,25 € 4,34 € 2 529 859 4 132 067
Q3 4,25 € 4,34 € 2 543 959 4 207 336
Q4 4,34 € 4,34 € 2 633 760 4 330 201
2018 Q1 4,34 € 4,34 € 2 712 049 4 464 610
Q2 4,34 € 4,34 € 2 825 740 4 521 219
151
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Tabulka 11: Popisná statistika základního nájemného v Praze a mimo Prahu v období BUDI (str.
58)
Tabulka 13: Ukazatele developerského trhu s průmyslovými nemovitostmi v období BUDI (str.
65)
Nová výstavba SUPt Stavební náklady HCt Cena průmyslových
Rok Čtvrtletí Celkové náklady TCt (Kč/m2)
(m2) (Kč/m2 haly) pozemků Lt (Kč/m2)
Q1 269 890 8 998 Kč 1 100 Kč 15 620 Kč
Q2 194 763 8 998 Kč 1 116 Kč 15 714 Kč
2007
Q3 258 420 8 998 Kč 1 125 Kč 15 775 Kč
Q4 232 964 8 998 Kč 1 139 Kč 15 886 Kč
Q1 245 657 9 321 Kč 1 183 Kč 16 428 Kč
Q2 186 965 9 321 Kč 1 191 Kč 16 534 Kč
2008
Q3 211 919 9 321 Kč 1 200 Kč 16 632 Kč
Q4 86 747 9 321 Kč 1 192 Kč 16 661 Kč
Q1 217 464 9 396 Kč 1 206 Kč 16 627 Kč
Q2 184 210 9 396 Kč 1 208 Kč 16 569 Kč
2009
Q3 24 846 9 396 Kč 1 201 Kč 16 432 Kč
Q4 27 538 9 396 Kč 1 197 Kč 16 403 Kč
Q1 13 005 9 349 Kč 1 216 Kč 16 385 Kč
Q2 21 519 9 349 Kč 1 223 Kč 16 401 Kč
2010
Q3 78 671 9 349 Kč 1 223 Kč 16 373 Kč
Q4 88 186 9 349 Kč 1 222 Kč 16 303 Kč
Q1 22 838 9 349 Kč 1 237 Kč 16 329 Kč
Q2 39 970 9 349 Kč 1 244 Kč 16 367 Kč
2011
Q3 98 623 9 349 Kč 1 246 Kč 16 390 Kč
Q4 109 238 9 349 Kč 1 251 Kč 16 427 Kč
Q1 93 176 9 349 Kč 1 282 Kč 16 555 Kč
Q2 31 468 9 349 Kč 1 286 Kč 16 541 Kč
2012
Q3 52 175 9 349 Kč 1 286 Kč 16 516 Kč
Q4 50 692 9 349 Kč 1 286 Kč 16 488 Kč
Q1 47 760 9 161 Kč 1 305 Kč 16 388 Kč
Q2 67 735 9 161 Kč 1 306 Kč 16 402 Kč
2013
Q3 133 347 9 161 Kč 1 302 Kč 16 390 Kč
Q4 36 945 9 161 Kč 1 301 Kč 16 394 Kč
Q1 67 269 9 288 Kč 1 306 Kč 16 574 Kč
Q2 127 292 9 288 Kč 1 309 Kč 16 605 Kč
2014
Q3 114 040 9 288 Kč 1 310 Kč 16 574 Kč
Q4 79 548 9 288 Kč 1 307 Kč 16 576 Kč
Q1 45 924 9 383 Kč 1 309 Kč 16 687 Kč
Q2 100 181 9 383 Kč 1 318 Kč 16 675 Kč
2015
Q3 267 021 9 383 Kč 1 315 Kč 16 643 Kč
Q4 158 138 9 383 Kč 1 309 Kč 16 586 Kč
Q1 84 277 9 385 Kč 1 314 Kč 16 575 Kč
Q2 194 539 9 385 Kč 1 321 Kč 16 629 Kč
2016
Q3 55 987 9 385 Kč 1 323 Kč 16 595 Kč
Q4 220 774 9 385 Kč 1 328 Kč 16 649 Kč
Q1 161 142 9 855 Kč 1 347 Kč 17 266 Kč
Q2 176 879 9 855 Kč 1 349 Kč 17 246 Kč
2017
Q3 89 369 9 855 Kč 1 356 Kč 17 242 Kč
Q4 212 666 9 855 Kč 1 363 Kč 17 291 Kč
Q1 212 698 10 256 Kč 1 372 Kč 17 776 Kč
Q2 170 300 10 256 Kč 1 381 Kč 17 798 Kč
2018
Q3 180 700 10 256 Kč 1 389 Kč 17 820 Kč
Q4 198 541 10 256 Kč 1 391 Kč 17 879 Kč
Zdroj: Vlastní výpočty z dat IRF, Savills a dle Českých stavebních standardů
152
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Tabulka 14: Ukazatele kapitálového trhu s průmyslovými nemovitostmi v období BUDI (str. 68)
Průměrná míra Průměrná míra Celkový objem
Celkový objem
Míra kapitalizace Míra kapitalizace kapitalizace kapitalizace transakcí mimo
Rok Čtvrtletí transakcí v Praze
v Praze (%) mimo Prahu (%) reálných transakcí reálných transakcí Prahu TPMPT (tis.
TPPt (tis. EUR)
v Praze (%) mimo Prahu (%) EUR)
2007 Q1 6,50% 7,00% - 7,00% - € 87 350 €
Q2 6,50% 7,00% 6,50% 7,90% 25 300 € 50 000 €
Q3 6,50% 7,00% - - - € - €
Q4 6,50% 7,00% - - - € - €
2008 Q1 6,50% 7,00% - - - € - €
Q2 6,75% 7,25% - - - € - €
Q3 7,00% 7,50% - - - € - €
Q4 7,00% 7,50% - - - € - €
2009 Q1 8,00% 8,75% - - - € - €
Q2 8,50% 9,25% - - - € - €
Q3 8,75% 9,50% - - - € - €
Q4 8,75% 9,50% 7,75% 11,00% 36 039 € 10 538 €
2010 Q1 8,75% 9,50% - - - € - €
Q2 8,75% 9,50% - - - € - €
Q3 8,50% 9,50% - 9,25% - € 21 000 €
Q4 8,25% 9,25% - - - € - €
2011 Q1 8,25% 9,00% 8,00% - 222 000 € - €
Q2 8,25% 9,00% - - - € - €
Q3 8,00% 8,75% - - - € - €
Q4 8,00% 8,75% - 8,63% - € 144 000 €
2012 Q1 8,00% 8,75% - - - € - €
Q2 8,00% 8,75% - - - € - €
Q3 8,25% 9,00% - 9,00% - € 16 000 €
Q4 8,25% 9,25% - - - € - €
Q1 8,25% 9,00% - - - € - €
2013 Q2 8,25% 9,00% - - - € - €
Q3 8,25% 9,00% 8,10% 9,60% 8 600 € 17 700 €
Q4 8,25% 9,00% 8,02% - 138 200 € - €
2014 Q1 7,75% 8,25% 10,00% 8,32% 16 000 € 11 500 €
Q2 7,50% 8,25% - - - € - €
Q3 7,25% 8,25% - 8,32% 154 000 € 5 900 €
Q4 7,25% 8,25% 9,30% 7,50% 14 000 € 523 000 €
2015 Q1 7,00% 8,25% 10,75% - 29 000 € - €
Q2 7,00% 8,25% 8,55% 8,00% 42 150 € 23 500 €
Q3 6,75% 8,00% 6,85% - 83 400 € - €
Q4 6,75% 8,00% - - - € - €
2016 Q1 6,75% 8,00% - - - € - €
Q2 6,50% 7,75% - 8,84% - € 25 407 €
Q3 6,25% 7,25% - - - € - €
Q4 6,25% 7,00% 6,20% 6,20% 388 150 € 300 056 €
2017 Q1 6,25% 7,00% - 8,75% - € 7 500 €
Q2 6,15% 6,95% 7,50% 7,20% 75 500 € 36 500 €
Q3 6,15% 6,95% - 6,60% - € 147 250 €
Q4 6,15% 6,95% - 8,50% - € 33 500 €
2018 Q1 6,15% 6,95% 7,00% 7,75% 7 650 € 10 000 €
Q2 5,95% 6,85% 8,00% 7,35% 17 500 € 23 000 €
Q3 5,85% 6,75% - - - € - €
Q4 5,75% 6,75% - 5,65% 460 000 €
Tabulka 15: Popisná statistika transakčních cen v období BUDI (str. 72)
Tabulka 16: Odchylky hodnot průmyslových nemovitostí dle expertních odhadů od skutečných
transakcí v období BUDI (str. 75)
Tabulka 17: Přehled transakcí s nemovitostmi obchodovanými více než jednou v období BUDI
(str. 77)
153
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
Tabulka 20: Popisná statistika hodnoty prostoru v období BUDI (str. 96)
Tabulka 22: Popisná statistika vnitřního výnosového procenta v období BUDI (str. 100)
Tabulka 23: Popisná statistika Indexu VVK v období BUDI (str. 100)
Tabulka 24: Pearsonova korelační matice indexů trhu s nemovitostmi v období BUDI (str. 103)
Tabulka 25: Znaménkový test a test bodu zvratu Indexů DA a UP v období UDI (str. 106)
Tabulka 27: Znaménkový test a test bodu zvratu Indexů HD a VVK v období UDI (str. 108)
Tabulka 29: Znaménkový test a test bodu zvratu hrubé poptávky a nové výstavby v období UDI
(str. 110)
Tabulka 30: Parametry regresních funkcí hrubé poptávky a nové výstavby (str. 111)
Tabulka 31: Očekávané hodnoty Indexu HD, Indexu DA a Indexu UP v roce 2019 a v prvním
čtvrtletí roku 2020 (str. 114)
Tabulka 32: Citlivostní analýza očekávaného vývoje Indexu DA’ (str. 117)
IDA' 5172 5199 5225* 5252 5278 5305 5331 5358 5385 5412 5440
-18 866 885 903 921 940 958 977 995 1014 1033 1052
-15 882 900 919 937 956 974 992 1011 1030 1049 1068
-12* 898 916 935 953 971 990 1008 1027 1046 1064 1084
-9 914 932 950 969 987 1006 1024 1043 1061 1080 1099
-6 929 948 966 985 1003 1021 1040 1058 1077 1096 1115
-3 945 964 982 1000 1019 1037 1056 1074 1093 1112 1131
0 961 979 998 1016 1034 1053 1071 1090 1109 1128 1147
3 977 995 1013 1032 1050 1069 1087 1106 1124 1143 1162
6 992 1011 1029 1048 1066 1084 1103 1121 1140 1159 1178
12 1024 1042 1061 1079 1098 1116 1134 1153 1172 1191 1210
* - očekávaná zaměstnanost v druhém čtvrtletí 2020 a očekávaný Index DP v prvním čtvrtletí 2020
Tabulka 33: Citlivostní analýza očekávaného vývoje Indexu UP’ (str. 116)
IUP' 5172 5199 5225* 5252 5278 5305 5331 5358 5385 5412 5440
-18 1066 1056 1047 1038 1029 958 1010 1001 991 982 972
-15 1054 1045 1036 1026 1017 974 999 989 980 970 961
-12* 1043 1034 1024 1015 1006 990 987 978 969 959 949
-9 1031 1022 1013 1004 994 1006 976 967 957 948 938
154
J. Kaizr: Predikce vývoje trhu s průmyslovými nemovitostmi pomocí indexu tržní hodnoty
-6 1020 1011 1002 992 983 1021 965 955 946 936 927
-3 1009 999 990 981 972 962 953 944 934 925 915
0 997 988 979 969 960 951 942 932 923 913 904
3 986 977 967 958 949 940 930 921 911 902 892
6 974 965 956 947 937 928 919 910 900 891 881
12 952 942 933 924 915 905 896 887 877 868 858
Tabulka 34: Citlivostní analýza očekávaného vývoje Indexu HD’ (str. 117)
IHD' 1357542* 1371832 1386122 1400412 1414702 1 428 992 1443282 1457572 1471862 1486152 1500442
-18 965 969 973 976 980 984 987 991 995 998 1002
-15 972 976 980 983 987 991 994 998 1002 1006 1009
-12* 980 983 987 991 994 998 1002 1005 1009 1013 1016
-9 987 990 994 998 1001 1005 1009 1012 1016 1020 1024
-6 994 998 1001 1005 1009 1012 1016 1020 1023 1027 1031
-3 1001 1005 1008 1012 1016 1019 1023 1027 1030 1034 1038
0 1008 1012 1015 1019 1023 1027 1030 1034 1038 1041 1045
3 1015 1019 1023 1026 1030 1034 1037 1041 1045 1048 1052
6 1022 1026 1030 1033 1037 1041 1044 1048 1052 1056 1059
12 1037 1040 1044 1048 1051 1055 1059 1062 1066 1070 1074
Tabulka 35: Citlivostní analýza očekávaného vývoje Indexu VVK’ (str. 117)
-18 1188
-15 1164
-12* 1140
-9 1116
-6 1092
-3 1068
0 1044
3 1020
6 996
12 948
Tabulka 36: Souhrn parametrů regresních funkcí závislých proměnných (str. 118)
155