Sådan opstiller du forudsætninger i en dansk markedsprognose

Afgræns markedet og tidshorisonten

Begynd med at definere prognosens delmarkeder: B2B eller B2C, geografi (landsdele, regioner, kommuner) og produkt- eller segmentgrupper. Prognosecenterets bygge- og anlægsprognoser dækker eksempelvis både B2B- og B2C-segmentet og ser på forventet markedsudvikling de kommende 3 år. Boligbyggeri-rapporten opgør familiehuse, rækkehuse, lejligheder, sommerhuse og garager i hver region målt i antal boliger og produktionsværdi. Kopiér den opdeling, så forudsætningerne knyttes til netop det segment, de påvirker.

Beslut også opgørelsesenhed og periode. Skal prognosen måles i antal enheder, kroner eller aktivitetsniveau? Er horisonten 2-3 år, så vær eksplicit om, at strukturantagelser – befolkning, boligmasse, installerbare flader – bærer en større del af prognosen end konjunkturantagelser, der typisk vejer tungest i det første år. Skriv afgrænsningen som en kort liste: delmarked, geografi, kundegruppe, enhed, periode.

Identificér de danske markedsdrivkræfter

På boligområdet viser en gennemgang af boligmarkedsdata, at renteniveauer og beskæftigelsesrater direkte kan påvirke boligpriserne, og at en lav rente kan gøre lån billigere og øge betalingsvilligheden for dyre boliger. Samme kilde fremhæver, at øget efterspørgsel ofte drives af befolkningsvækst eller stigende indkomster. Politik er en tredje drivkraft: Ifølge kilden kan reguleringer som skatteændringer eller boligstøtteordninger enten fremme eller hæmme markedets udvikling.

På udbudssiden er balancen mellem udbud og efterspørgsel den centrale mekanisme: Når flere vil købe, end der er boliger til rådighed, stiger priserne typisk; når udbuddet overstiger efterspørgslen – eksempelvis hvis mange nye boliger kommer på markedet samtidig – falder priserne ofte. Del derfor drivkræftlisten op i tre grupper: makroøkonomiske forhold (rente, beskæftigelse, indkomster), lokale og regionale forhold (befolkning, arealudbud, lokal erhvervsstruktur) og udbudsforhold (nybygaktivitet, renoveringsaktivitet).

Top 5 drivkræfter i dansk boligmarkedsprognose

Byg forudsætningerne på officielle danske data

Danmarks Statistik er den centrale myndighed for dansk statistik og indsamler, bearbejder og offentliggør statistik om det danske samfund. Statistikbanken er Danmarks Statistiks online database, hvor du frit kan tilgå officielle statistikker. Den er bygget til at give valide og pålidelige danske samfundsdata til analyser eller som kilde til at underbygge pointer. Du kan lave brugerdefinerede tabeller og tilpasse data efter variabler som tid, geografi og demografi, og downloade i Excel, PXwin, CSV, Dbase eller SAS til videre analyse. Databasen indeholder både aktuelle og historiske data, så udviklingen kan følges over tid.

Omsæt det til en fast arbejdsgang: Søg i feltet 'SØG' øverst på forsiden, hvis du ikke ved, hvilket emne serien ligger under – under hvert emne kan der være mange underemner. Opret en brugerprofil, så du kan gemme udtræk og filer og hente flere data ad gangen. Træk serierne ud i præcis samme geografiske og demografiske afgrænsning, som prognosen bruger, og notér tabelnavn, variabler, afgrænsning og udtræksdato sammen med dataene.

Officielle danske datakilder til markedsprognoser

Omsæt drivkræfterne til eksplicitte antagelser

En drivkræft bliver først en forudsætning, når den skrives som en målbar sætning med variabel, periode og retning. I stedet for 'renten forventes at påvirke efterspørgslen' skriver du den konkrete antagelse om renteniveauet, den konkrete antagelse om befolkningsudviklingen i det område, prognosen dækker, og den konkrete antagelse om antal nye boliger, der færdiggøres og kommer i udbud i perioden. Antagelser om beskæftigelse og indkomster hører til efterspørgselssiden; antagelser om nybyg og renoveringsaktivitet hører til udbudssiden.

Knyt hver antagelse direkte til den del af prognosen, den flytter. En antagelse om betalingsvillighed skal kunne spores til efterspørgselsprognosen for det segment, den gælder, og en antagelse om færdiggjorte boliger skal spores til udbuds- eller aktivitetsprognosen for samme geografi og bygningstype. Kan du ikke sætte et tal på en antagelse, så skriv den som et interval eller flyt den til scenarieafsnittet i stedet for at lade den stå udokumenteret i basissættet.

Lav scenarier for de usikre forudsætninger

Vælg de antagelser, hvor usikkerheden er størst, og hvor effekten på prognosen er størst, og variér dem i et basis-, høj- og lavscenarie. Det er sjældent nødvendigt at variere alle antagelser – det er de få, der driver resultatet, der skal have tre værdier. I byggeeksemplet er rente, betalingsvillighed og antallet af nye boliger typiske kandidater, fordi de påvirker efterspørgsel og udbud.

Beskriv for hvert scenarie, hvilke poster i prognosen der ændrer sig, og hvorfor. Prognosecenteret leverer prognosedata som et komplet Excel-datasæt, der er beskrevet som klar til egne analyser, scenarier og intern planlægning. Den model kan du efterligne, uanset hvilket marked du dækker: et regneark hvor antagelserne står i kolonner, scenarierne i rækker, og prognosens output genberegnes. Gør det tydeligt i dokumentationen, hvilke antagelser der er fælles for alle tre scenarier, og hvilke der kun er ændret i ét af dem.

Kriterier for valg af forudsætninger til scenarier

Følg prognosenøjagtigheden og justér

Prognosenøjagtighed er et nøgletal, der måler, hvor tæt den forudsagte efterspørgsel ligger på den faktiske efterspørgsel. Den opgørelse afgør, om dine forudsætninger holder, eller om de skal skrives om. Før du begynder at måle, skal du have klarhed over, hvilke KPI'er du vil måle på – det er en forudsætning for overhovedet at kunne opgøre en effektiv prognose, og valget af KPI'er skal træffes, før prognosearbejdet starter.

Sammenlign forudsagt og faktisk udvikling på samme aggregeringsniveau, som forudsætningen er formuleret på: samme segment, samme geografi, samme periode. Opgør afvigelsen for hver af de antagelser, der vejer tungest, og skeln mellem tilfældige udsving og systematiske fejl. En systematisk afvigelse på en makroantagelse – for eksempel rente eller beskæftigelse – skal føre til en revideret antagelse, ikke kun et revideret tal i prognosen. Ellers gentager fejlen sig i næste prognoserunde.

Dokumentér og formidl forudsætningerne

Saml data, antagelser og scenarier i ét reviderbart datasæt eller dokument, hvor hver antagelse har kildehenvisning, udtræksdato og versionsmarkering. Danmarks Statistiks brugerprofil og downloadmuligheder gør det praktisk at gemme de udtræk, antagelserne bygger på, sammen med dem.

Formidlingen skal kunne bruges af beslutningstagere uden at de skal ind i modellen. Et komplet datasæt til egne analyser, et interaktivt dashboard med tabeller og diagrammer til download samt et kort resumé med de vigtigste nøgletal er den struktur, Prognosecenteret bruger i sine prognosepakker. Læg en fast opdateringskadence ind, og revidér forudsætningerne, når nye data kommer – de danske byggeprognoser udkommer eksempelvis hvert forår og to gange i efteråret.