BOU, Alm.del - 2021-22 - Endeligt svar på spørgsmål 16: MFU spm. om den generelle ligevægtsmodel anvendt af EY, baggrunden for de boligpriser der clearede udbud og efterspørgsel, de anvendte befolkningsprognoser og de anvendte planer for fremtidig udvikling m.v., til transportministeren

Indenrigs- og Boligudvalget 2021-22
BOU Alm.del
Offentligt

Transport- og

Boligministeriet

Undersøgelse af finansiering og

organisering af Lynetteholmen

Appendiks 7 – version 1

Boligudbud, -efterspørgsel og -priser

16. april 2020

FORTROLIGT

BOU, Alm.del - 2021-22 - Endeligt svar på spørgsmål 16: MFU spm. om den generelle ligevægtsmodel anvendt af EY, baggrunden for de boligpriser der clearede udbud og efterspørgsel, de anvendte befolkningsprognoser og de anvendte planer for fremtidig udvikling m.v., til transportministeren

Boligudbud, -efterspørgsel

og -priser

Beregningsforudsætninger for udbygning af Lynetteholmen og Refshaleøen

Baggrundsrapport

Transport- og Boligministeriet

Kolofon

Udarbejdet af: Thomas Odgaard, Ulrik Beck, Line Børger og Kasper Petri

Dato: 17. april 2020

Kontakt

Incentive, Holte Stationsvej 14, 1., 2840 Holte

T. 61 333 500, M. [email protected]

incentive.dk

Incentive | 2

Indholdsfortegnelse

INDLEDNING

TILGANG OG SCENARIER

2.1

Tre scenarier for fremtidig udvikling

KOMPONENTER I BOLIGMODELLEN

3.1

3.2

3.3

3.4

3.5

Boligudbud

Boligefterspørgsel

Boligpriser

Korrektion for strukturelt niveau

Effekt af rentenormalisering

RESULTATER FOR UDVIKLING I BOLIGPRISER OG UDBYGNINGSTAKT

4.1

4.2

4.3

4.4

4.5

Prognoser for boligpriser

Prognoser for udbygningstakt

Sammenligning med andre studier for København

Sammenligning med andre lande

Andelen af indkomsten husholdningerne bruger på bolig

SALGSPRISER FOR LIGNENDE BOLIGER I DAG

5.1

5.2

5.3

De seks referenceområder

Salgspriser i de seks referenceområder

Estimerede salgspriser for udviklingsområder, hvis de skulle sælges i dag

SAMLET INPUT TIL BEREGNINGER FOR LYNETTEHOLMEN

REFERENCER

BILAG A. SAMMENLIGNING AF MODELEGENSKABER

Incentive | 3

1 Indledning

Transport- og Boligministeriet har bedt Incentive, EY, Kammeradvokaten og MOE om at estimere

det størst mulige realistiske finansieringsbidrag fra arealudvikling på Lynetteholmen til etablering

af den nødvendige infrastruktur.

For at beregne finansieringsbidraget har Incentive udarbejdet en prognose for de fremtidige

salgspriser på ejerboliger. Derudover har vi etableret en prognose for udbygningen af

boligmassen i København, som bestemmer, i hvilken takt boligerne i udviklingsområderne

afsættes. Den konkrete udviklingstakt for hvert af udviklingsområderne fastlægges i den

finansielle model og behandles derfor ikke nærmere her.

Fremskrivninger over mange år er naturligvis behæftet med væsentlig usikkerhed. Udviklingen

afhænger bl.a. af:

fremtidige indkomststigninger for de nuværende københavnere og tilflyttere.

ændringer i den finansielle regulering af boligkøb.

ændringer i reguleringen af boligmarkedet.

ændrede skatteregler.

ændringer i flyttemønstre mellem land og by.

konjunkturer.

renteniveauet.

udbygningen af boligområder i Københavns omegnskommuner.

For at håndtere og illustrere den store usikkerhed på fremskrivningerne opererer vi med to

hovedscenarier og to følsomhedsscenarier for udviklingen i de fremtidige ejerboligpriser og

udviklingstakt for boliger i København.

Vi har opdelt prognosearbejdet i to dele. I første del estimerer vi scenarier for stigningstakten i

de fremtidige boligpriser og udbygningstakten i København. I anden del estimerer vi, hvad

lejligheder, der svarer til dem, der opføres på bl.a. Lynetteholmen og Refshaleøen, i dag koster i

København.

Ved at kombinere disse to dele kan vi estimere prisen pr. m

ejerbolig i de relevante

udviklingsområder, når boligerne er klar til salg, og afsætningstakten for boligerne i København.

Struktur i baggrundsrapport

Strukturen i denne baggrundsrapport er som følger:

I afsnit 2 beskriver vi vores overordnede tilgang til at etablere de relevante scenarier.

I afsnit 3-4 beskriver vi første del af analysen, der er den mest omfattende. Denne del af

analysen er udført med en langsigtet model for udbud og efterspørgsel på det københavnske

Incentive | 4

boligmarked, som vi har udviklet til formålet. Vi starter med kort at beskrive modellens

komponenter i afsnit 3, hvorefter vi beskriver resultaterne i afsnit 4.

I afsnit 5 beskriver vi anden del af opgaven, hvor vi estimerer, hvad tilsvarende ejerboliger i dag

koster i København.

I afsnit 6 kombinerer vi de to analyser til en samlet prisprognose for Lynetteholmen og

Refshaleøens ejerboliger og udbygningstakten for boligmassen i København. Dette udgør input til

beregningerne i den finansielle model, som er udviklet parallelt i forløbet.

I bilag A (afsnit 7) sammenligner vi egenskaberne ved vores boligmodel med andre tilsvarende

langsigtede boligmodeller.

Følgegruppe

I processen med at udarbejde rapporten har vi konsulteret Ismir Mulalic, Senior Fellow hos Kraks

Fond Byforskning, samt Curt Liliegreen, direktør hos Boligøkonomisk Videncenter. Begge har

bidraget med kommentarer og input. Analysen og resultaterne er dog alene forfatternes ansvar.

Incentive | 5

2 Tilgang og scenarier

Analysen består som nævnt af to dele, jf. figur 1.

Figur 1

Overordnet tilgang med to delanalyser

I første del estimerer vi scenarier for stigningstakten i de fremtidige boligpriser og

udbygningstakten i København.

Denne del af analysen er udført med en langsigtet model for udbud og efterspørgsel på det

københavnske boligmarked, som vi har udviklet til formålet. I modellen fokuserer vi på de

langsigtede drivere for udviklingen i boligpriserne, dvs. den langsigtede boligefterspørgsel og det

langsigtede boligudbud. Vi ser således bort fra konjunkturmæssige forhold og andre effekter, som

påvirker boligpriserne inden for de næste par år, men som ikke har betydning for den

underliggende, strukturelle udvikling i boligpriserne.

Modellen sikrer, at vi i scenarierne opererer med en konsistent sammenhæng mellem boligudbud,

boligefterspørgsel og boligpriser.

Boligudbuddet

bestemmes af boligudbuddet i dag og omfanget af nyt boligbyggeri.

Boligefterspørgslen

bestemmes af det stigende indbyggertal i København på grund af tilflytning

og den demografiske udvikling, samt at indbyggerne øger efterspørgslen efter bolig, i takt med at

de bliver rigere.

Incentive | 6

Boligprisen

sikrer, at boligefterspørgslen og boligudbuddet er i ligevægt.

Modellen er lavet, så man enten kan angive boligudbuddet og boligefterspørgslen og bruge

modellen til at estimere boligprisudviklingen. Eller man kan angive boligefterspørgslen og

boligprisudviklingen og estimere, hvilken udbygningstakt der skal til for at realisere den

forudsatte udvikling i boligpriserne.

I anden del estimerer vi, hvad tilsvarende ejerboliger i dag koster i København på basis af

handelspriserne i seks udvalgte referenceområder.

Ved at kombinere disse to dele kan vi estimere prisen pr. m

ejerbolig på Lynetteholmen og

Refshaleøen, når boligerne er klar til salg, og afsætningstakten for boliger i København.

2.1 Tre scenarier for fremtidig udvikling

For at håndtere og illustrere den store usikkerhed på fremskrivningerne opererer vi med tre

scenarier for den fremtidige udvikling:

Følsomhedsscenarie 1. Lav boligprisudvikling

(priserne følger byggeomkostningerne).

Basis boligprisudvikling med fastlagt udbygningstakt

(i henhold til Københavns

Kommunes notat om beregningstekniske forudsætninger):

a. Med rentenormalisering (i henhold til Finansministeriets prognose)

b. Med uændrede renter.

Følsomhedsscenarie 2. Høj boligprisudvikling

(priserne følger den historiske

stigningstakt)

I figur 2 har vi illustreret, hvordan scenarierne er defineret.

I følsomhedsscenarie 1 og 2 har vi for en given boligefterspørgsel beregnet, hvilket boligudbud og

dermed udbygningstakt der skal til for at realisere en fastlagt udvikling i boligpriserne.

I scenariet

”Basis boligprisudvikling”,

som er vores hovedscenarie, beregner vi, hvilken udvikling i

boligpriserne man kan forvente, når man bygger boliger i en fastlagt takt ud fra en given

efterspørgsel.

Som det også fremgår af pilene i figuren, har boligmodellen en feedbackmekanisme fra

boligpriser til boligefterspørgsel, der sikrer, at boligudbuddet og -efterspørgslen er i ligevægt.

Det sikres ved, at boligefterspørgslen reduceres, når priserne stiger.

I alle tre scenarier er boligefterspørgslen ved uændrede boligpriser den samme.

Ud over de dynamikker vi opererer med i den langsigtede boligmodel, laver vi tre typer af

korrektioner. I alle tre scenarier korrigerer vi for, at boligpriserne i København sandsynligvis er

påvirket af faktorer, der betyder, at priserne i dag ligger over det langsigtede strukturelle

Incentive | 7

niveau. Derudover korrigerer vi i vores hovedscenarie, hvor boligprisudviklingen bestemmes af

modellen, for, at lånebegrænsninger sætter en grænse for, hvor meget boligpriserne kan stige

mere end indtægterne. Endelige korrigerer vi i den ene variant af

scenariet med ”Basis

boligprisudvikling” for, at renten frem mod 2040 normaliseres i henhold til Finansministeriets

prognose (variant ”b”).

Figur 2

Tilgang til at etablere tre scenarier for den fremtidige udvikling

Langsigtet boligmodel

Korrektioner

Hvilken udbygning af boligmassen giver fastlagt prisudvikling?

Følsomhedsscenarie 1 og 2

Boligudbud

(udbyg ningstakt)

Bolig-

efterspørgsel

Boligpris

Output

Korrektion for

strukturelt

prisniveau i

dag

Input

Hvad bliver boligprisudviklingen, når udbygningen følger Københavns Kommunes tekniske fremskrivning?

Basis boligprisudvikling

Boligudbud

(udbyg ningstakt)

Bolig-

efterspørgsel

Korrektion for

strukturelt

prisniveau i

dag

Korrektion for

lånebegræns-

ninger

Effekt af rente-

normalisering

(for ”b”)

Boligpris

Output

Input

Note: Henvisningen

”Københavns

Kommunes tekniske fremskrivning” henviser til Københavns Kommunes notat om

beregningstekniske forudsætninger.

Nedenfor findes en uddybende beskrivelse af de tre scenarier.

Følsomhedsscenarie 1. Lav boligprisudvikling

I følsomhedsscenarie 1 forudsætter vi, at boligpriserne i København i fremtiden stiger i takt med

stigningen i byggeomkostningerne.

Scenariet afspejler således den forventede prisudvikling i et scenarie, hvor der ikke er

begrænsninger på byggegrunde.

Incentive | 8

Hvis der ikke er begrænsninger på byggegrunde, forventer man ifølge gængs teori om

boligmarkedet (Tobins q), at boligprisen følger byggeomkostningerne, da man uden restriktioner

kan øge boligudbuddet ved at bygge nyt, så snart prisen overstiger byggeomkostningerne.

Følsomhedsscenarie 1 giver således et lavt skøn for den udvikling i priserne, som man kan

forvente frem til 2075.

Vi tager udgangspunkt i en realvækst i byggeomkostningerne på 0,5% årligt, der svarer til den

historiske vækst i de reale byggeomkostninger de seneste 20 år.

Basis boligprisudvikling med fastlagt udbygningstakt (hovedscenarie)

I vores hovedscenarie(r) tager vi udgangspunkt i Københavns Kommunes notat om

beregningstekniske forudsætninger vedrørende udbygning og fortætning af den eksisterende by

frem til 2075. Dette scenarie giver et højere skøn for udviklingen i priserne end

følsomhedsscenarie 1.

I afsnit 3.1 beskriver vi Københavns Kommunes notat om beregningstekniske forudsætninger

vedrørende udbygning og fortætning.

Som det fremgår, opererer vi med to varianter: Én med rentenormalisering og én med uændrede

renter.

Følsomhedsscenarie 2. Høj boligprisudvikling

I følsomhedsscenarie 2 tager vi udgangspunkt i, at boligpriserne i fremtiden udvikler sig, som de

har gjort i gennemsnit over de seneste 25 år. Dog nedjusterer vi prisudviklingen for at tage højde

for særlige

engangseffekter,

der har påvirket udviklingen i boligpriserne de seneste 25 år. Det

gælder bl.a. forhold omkring finansiel deregulering, som vi vurderer, har medvirket til at øge

priserne ekstraordinært de seneste 25 år, og som vi ikke forventer gentaget frem mod 2075.

I afsnit 3.3 beskriver vi den historiske prisudvikling og de korrektioner for engangseffekter, som vi

har indarbejdet i analysen.

Opsummering af scenarier

I tabel 1 har vi opsummeret beskrivelserne af de tre scenarier. I afsnit 3 beskriver vi de tre

elementer i modellen, som definerer scenarierne.

Som det fremgår, er boligefterspørgslen ved uændrede boligpriser den samme i alle tre

scenarier.

Egne beregninger baseret på Danmarks Statistik Statistikbanken BYG4 og BYG42, samt Statistikbanken PRIS115.

Incentive | 9

Tabel 1

De tre scenarier

Boligudbud

(udbygningstakt)

Bestemmes af

modellen.

Scenarie

Følsomheds-

scenarie 1. Lav

boligprisudvikling

Beskrivelse

Priser følger historisk

udvikling i

byggeomkostninger.

Afspejler scenarie uden

udbudsrestriktioner.

Boligefterspørgsel

Boligpriser

Stiger med

historisk takt for

byggeomkostninger.

Befolkningsvækst og

indkomstfremgang

driver

basisefterspørgsel

(ved uændrede

priser).

Efterspørgsel

tilpasses

prisudviklingen.

Basis

boligprisudvikling

Københavns Kommunes

beregningstekniske

forudsætninger vedr.

udbygning.

Følger fremskrevet

fastlagt udbygning.

Bestemmes af

modellen.

Følsomheds-

scenarie 2. Høj

boligprisudvikling

Historisk gennemsnit af

prisstigninger de seneste

25 år korrigeret for

engangseffekter.

Bestemmes af

modellen.

Historisk

prisstigningstakt

fratrukket

engangseffekter.

Incentive | 10

3 Komponenter i boligmodellen

I dette afsnit beskriver vi de enkelte komponenter i boligmodellen.

Det skal bemærkes, at det er forskelligt, hvad der er input og output i scenarierne. Da

boligudbuddet er et output fra modellen i følsomhedsscenarie 1 og 2, beskriver vi alene

forudsætningerne for scenariet

”Basis boligprisudvikling”

under beskrivelsen af forudsætninger

for boligudbuddet. Da boligefterspørgslen er input i alle tre scenarier, gælder beskrivelsen alle

tre scenarier. Boligprisen er input i følsomhedsscenarie 1 og 2. Derfor omhandler beskrivelsen af

boligpriserne (primært) følsomhedsscenarie 1 og 2.

3.1 Boligudbud

I vores hovedscenarie, Basis boligprisudvikling, er udbygningen af boligudbuddet i København

bestemt ud fra Københavns Kommunes beregningstekniske forudsætninger vedr.

udbygningstakten for boliger. I følsomhedsscenarie 1 og 2 har vi for en given boligefterspørgsel

beregnet, hvilket boligudbud og dermed udbygningstakt der skal til for at realisere en fastlagt

udvikling i boligpriserne.

I dette afsnit beskriver vi derfor de forudsætninger for vores hovedscenarie, som vi har benyttet

for at beregne den fastlagte udbygningstakt i perioden 2019-2075.

I Københavns Kommunes tekniske fremskrivninger øges boligudbuddet på to måder:

Der udvikles nye områder, som fx Refshaleøen, Lynetteholmen, Ørestad, Nordhavn,

Godsbaneterrænnet etc.

Der opføres nye boliger i den eksisterede by, både som omdannelse af mindre arealer og

ved konvertering af eksisterende ejendommen fra erhverv til bolig.

Den tekniske fremskrivning fremgår af figur 3. Da Københavns Kommunes fremskrivninger for

udbygning

”kun”

går til 2065, har vi forudsat, at udviklingstakten for 2065-2075 er på niveau med

den gennemsnitlige udbygningstakt for 2040-2065. Derudover har vi lavet en supplerende

antagelse i forhold til Københavns Kommunes prognose, da Københavns Kommune i enkelte år

ikke har specificeret, præcis hvordan arealudviklingen finder sted.

København Kommunes fremskrivning af fortætningen af den eksisterende boligmasse er baseret

på etablering af nye boliger i den eksisterende by (uden for byudviklingsområderne)

imødekommer ca. 25% af arealbehovet frem til 2030 og efterfølgende ca. 20% af arealbehovet

frem til 2070.

Incentive | 11

Figur 3

Boligudbygning i Københavns Kommune 2019-2075, m

pr. år

500.000

Årlig udvikling, m2

400.000

300.000

200.000

100.000

2020

2022

2024

2026

2028

2030

2032

2034

2036

2038

2040

2042

2044

2046

2048

2050

2052

2054

2056

2058

2060

2062

2064

2066

2068

2070

2072

2074

Arealer inden for analysens område

Andre projekter i planperioden

Arealer der fortættes

Arealer der ikke er defineret

Kilde: Incentive på baggrund af input fra Københavns Kommune. Prognosen blevet forlænget til 2075 ud fra en forudsætning

om, at udbygningstakten i 2066-2075 er på niveau med den gennemsnitlige udviklingstakt for 2040-2065.

I tabel 2 har vi sammenlignet udbygningstakten i Københavns Kommunes fremskrivninger med den

historiske udbygningstakt. På grund af databrud er den historiske udbygningstakt opgjort for

perioderne 1987-2006 og 2012-2019.

Københavns Kommunes fremskrivninger for 2020-2030 svarer omtrent til den udbygningstakt, man

har realiseret fra 2012 til 2019. På længere sigt svarer prognosen for udbygningen til et niveau,

der ligger over det niveau, man oplevede fra 1987 til 2006, men væsentligt lavere niveau end fra

2012 til 2019.

Incentive | 12

Tabel 2

Sammenligning af fremskrivninger og historisk udbygningstakt (gennemsnitligt antal m

pr. år)

Periode

Københavns Kommunes

fremskrivning

2020-2030

2031-2050

2051-2065

2066-2075

Historisk udbygningstakt

1987-2006

2012-2019

Udbygningstakt (m

)

350.000

205.000

150.000

173.000

82.000

383.000

Kilder/noter: Afrundet.

Egen beregningsforudsætning, da Københavns Kommunes fremskrivninger

”kun” dækker til 2065.

Forudsat lig gennemsnit for 2040-2065.

Baseret på Danmarks Statistik BYGB3.

Baseret på Danmarks Statistik BYGB34.

3.2 Boligefterspørgsel

I alle tre scenarier opererer vi med samme udvikling i boligefterspørgslen over tid, når man

vurderer det ud fra et uændret prisniveau.

Udviklingen i boligefterspørgslen drives af to parametre. For det første medfører et

stigende

indbyggertal

over tid som følge af tilflytning og den demografiske udvikling, at behovet for

boliger stiger over tid. For det andet medfører

stigende indkomster

for nuværende og

kommende københavnere, at efterspørgslen efter boligkvadratmeter stiger over tid.

Derudover indeholder modellen en

feedbackmekanisme fra boligpriser til boligefterspørgsel,

der sikrer, at boligudbuddet og -efterspørgslen er i ligevægt, ved at boligefterspørgslen

reduceres, når priserne stiger.

Nedenfor beskriver vi de tre komponenter, der bestemmer efterspørgslen i modellen.

Stigende indbyggertal

Boligefterspørgslen i København stiger over tid som følge af vækst i befolkningstallet og

ændringer i familiesammensætningen i Københavns Kommune. Det samlede antal efterspurgte

boliger

—

og dermed det samlede antal efterspurgte boligkvadratmeter

—

stiger primært som

følge af fødselsoverskud og nettoindvandring, men bliver også påvirket af en række andre

faktorer.

Københavns Kommune har lavet en fremskrivning for etagemeterbehovet, som følger

befolkningstallet (Københavns Kommune 2019a). Prognosen er lavet på baggrund af de

forventede demografiske ændringer i Danmark og historiske flyttemønstre til og fra Københavns

Kommune. I vores vurdering af befolkningseffekten tager vi udgangspunkt i denne prognose.

Incentive | 13

Stigende indkomster

Boligefterspørgslen i København stiger også, som følge af at kommunens indbyggere bliver rigere.

Historisk set er den danske befolkning blevet rigere år for år. Modellen er baseret på en

forudsætning om, at denne udvikling fortsætter i fremtiden.

Når befolkningen bliver rigere, vil efterspørgslen efter de fleste produkter stige. Vi forventer

også, at efterspørgslen efter boligareal vil stige fremadrettet.

Konkret forudsætter vi, at københavnerne i gennemsnit bliver 0,9% rigere pr. indbygger år for år.

Det svarer til Finansministeriets skøn for den fremtidige vækst i realt BNP pr. indbygger

(Finansministeriet 2019a). Historisk er realt BNP pr. indbygger og den reale disponible indkomst

pr. indbygger steget med samme takt, når man ser på udviklingen over en længere periode. Vi

indregner ikke effekten af kapitalgevinster på boliger i indkomsten.

I modellen forudsætter vi desuden en indkomstelasticitet på 1. Det vil sige, at når befolkningens

indkomst stiger med 0,9%, så stiger befolkningens efterspørgsel efter bolig også med 0,9%.

Denne antagelse bliver også brugt i Danmarks Statistiks og Nationalbankens makroøkonomiske

modeller, ADAM og MONA, jf. tabel 3.

Tabel 3

Sammenligning af modelparametre

Model/studie

Incentives model

ADAM (Danmarks Statistik)

MONA (Nationalbanken)

Kilder: (Danmarks Statistik, 2012 s. 61. Simon Juul Hviid et al., 2016 s. 56).

Indkomstelasticitet

1,0

I analysen tager vi udgangspunkt i den eksisterende boligmasse i København. Ud fra data fra

Danmarks Statistik har vi beregnet det samlede boligareal i Københavns Kommune til 26,6 mio.

i 2019. Det er dette areal, som indgår i modellen.

For uændrede priser medfører indkomstfremgangen i 2019 således, at boligefterspørgslen stiger

med 26,6 mio. m

* 0,9%*1 = 239.400 m

. På grund af renters-rente-effekten stiger

merefterspørgslen fra stigende indkomster år for år. Når københavnerne om 20 år er blevet ca.

20% rigere, øges boligefterspørgslen ved uændrede priser og uændret befolkningstal med ca.

286.400 m

ved en indkomstfremgang på 0,9%.

Historisk set har øget rigdom ikke ført til, at københavnerne har fået tilsvarende flere kvadratmeter til rådighed. Til

gengæld har der været store prisstigninger på ejerboliger i København. Vi tolker dette som et udtryk for, at

efterspørgslen efter større, og flere boliger har været til stede, men at udbuddet ikke har kunnet følge med.

Stigningen i efterspørgslen har derfor i stedet givet sig udslag i prisstigninger.

Incentive | 14

For at give en idé om betydningen af fremskrivningen af efterspørgslen for de eksisterende

københavnere har vi opgjort, at det nuværende boligforbrug på 40,3 m

pr. indbygger

ville stige

til 48,6 m

pr. indbygger i 2040, hvis indkomsterne stiger med 0,9% om året, og priserne er

konstante.

Ud over at vi indregner, at københavnerne vil øge deres boligefterspørgsel, i takt med at de

bliver rigere, indregner vi også, at tilflyttere ved uændrede boligpriser vil øge

boligefterspørgslen, i takt med at de bliver rigere. Vi gør dette ved at opjustere Københavns

Kommunes prognose for flyttemønstre, der er bestemt ud fra de seneste fire års til- og

fraflytninger til/fra Københavns Kommune og tager udgangspunkt i en uændret størrelse

lejligheder. Korrektionen følger de principper, vi har beskrevet ovenfor.

I de sidste fire år har der været relativt kraftige prisstigninger på det københavnske boligmarked.

Det betyder, at befolkningseffekten ville have været større, hvis der ikke havde været nogen

prisstigninger. Vi indregner imidlertid ikke nogen ekstra effekt fra de prisstigninger, som er

indlejret i Københavns Kommunes befolkningsprognose. Det skyldes dels, at det ikke er muligt at

beregne denne effektstørrelse ud fra de data, vi har til rådighed, dels at vi vurderer, at effekten

fra de indlejrede prisstigninger er relativt begrænset i fremskrivningen.

Feedbackmekanisme fra boligpriser til boligefterspørgsel

En afgørende parameter i efterspørgslen er den såkaldte boligpriselasticitet.

Boligpriselasticiteten udtrykker, hvor meget efterspørgslen ændrer sig, når priserne stiger.

Vi anvender en boligpriselasticitet på -0,3. Det betyder, at efterspørgslen efter boligareal falder

med 0,3%, hver gang boligpriserne stiger med 1%.

I tabel 4 har vi sammenlignet den anvendte boligpriselasticitet i vores model med de tilsvarende

forudsætninger i Danmarks Statistiks model ADAM, Nationalbankens model MONA og resultaterne

af et studie, der er foretaget af Nationalbanken (Simon Juul Hviid et al., 2016).

Kilde: Danmarks Statistik BOL106.

Københavns Kommunes prognose giver den årlige

ændring

i antallet af efterspurgte kvadratmetre som følge af

befolkningseffekten. Under prognosen ligger bl.a. estimater af til- og fraflytningssandsynligheder samt en prognose

over den demografiske udvikling. En prisstigning vil påvirke

niveauet

af efterspurgte kvadratmetre.

Hvis man ”fjerner”

den indlejrede prisstigning fra Københavns Kommunes prognose, vil det give en niveauændring af de årlige

befolkningseffekter. Men vi vurderer ikke, at denne effekt ville blive større og større over tid på samme måde som

indkomsteffekten. Det skyldes, at flyttesandsynligheden hvert år tager udgangspunkt i sidste års prisniveau. Hvis

flyttesandsynlighederne steg mere og mere år efter år, kunne de på et tidspunkt blive over 100%.

Incentive | 15

Tabel 4

Sammenligning af modelparametre

Model/studie

Incentives model

ADAM (Danmarks Statistik)

MONA (Nationalbanken)

Simon Juul Hviid et al., 2016

Boligpriselasticitet

-0,3

-0,2

-0,03

Note: Det fremgår ikke klart i alle kilder, om der forudsættes linær efterspørgselskurve eller konstante elasticiteter. Her

forudsættes lineær efterspørgselskurve.

Incentives model bruger samme boligpriselasticitet som ADAM og arver derfor de samme

egenskaber på efterspørgselssiden. MONA har en lavere boligpriselasticitet (0,2).

En udfordring er, at ADAM og MONA’s boligprisrelationer

dækker hele Danmark. De er derfor ikke

nødvendigvis repræsentative for prisdannelsen på det københavnske boligmarked. Mønstret for

til- og fraflytning mellem København og andre kommuner kan påvirke elasticiteten. København

har desuden en relativt lav andel af ejerboliger, som må tage en større del af pristilpasningen,

når udbud og efterspørgsel ændrer sig (Kraka og Finanskrisekommissionen 2014). Det kunne tale

for at anvende en højere boligpriselasticitet, end der benyttes i ADAM og MONA. Derfor har vi

valgt det højeste af parameterværdierne fra ADAM og MONA.

Nationalbanken har foretaget en analyse af det københavnske boligmarked og finder en markant

lavere priselasticitet på 0,03 (Simon Juul Hviid, Tina Saaby Hvolbøl, og Erik Haller Pedersen

2016).

Forfatterne argumenterer imidlertid for, at analysen giver et underkantsskøn for

elasticiteten, bl.a. fordi modellen er estimeret på data fra en periode, hvor husholdningerne har

allokeret en stadig større del af deres indkomst til forbrug. Studier fra andre lande har fundet

priselasticiteter mellem 0,1 og 2,0 (Nathalie Girouard m.fl. 2006).

Vi tager som nævnt udgangspunkt i den eksisterende boligmasse i København, som vi har opgjort

til 26,6 mio. m

i 2019. Hvis prisen i starten af 2019 havde været 1% højere, ville

boligefterspørgslen således have været ca. 26,6*1%*0,3=79.800 m

lavere.

I vores hovedscenarie afgør priselasticiteten, hvor store årlige prisstigninger der skal til for at få

udbud og efterspørgsel til at mødes (se dog nedenfor om begrænsninger på stigningen i

boligpriserne).

I følsomhedsscenarie 1 og 2 afgør priselasticiteten, hvor meget efterspørgslen ændrer sig ved de

forudsatte prisstigningstakter. Det afgør derefter, hvor meget udbuddet skal ændre sig for at få

udbud og efterspørgsel til at mødes.

Forfatterne angiver, at prisen ændrer sig med 27,4%, når udbuddet af boliger ændrer sig med 1%. Det svarer til, at

efterspørgslen efter boliger ændrer sig med 1/27,4*1%=0,03%, når priserne ændrer sig 1%.

Incentive | 16

Hvis man havde forudsat en lavere priselasticitet, ville man have fået større prisstigninger i vores

hovedscenarie, da der skal større prisændringer til for at ændre boligefterspørgslen. Af samme

årsag ville man have fået større stigninger i boligudbuddet i følsomhedsscenarie 1 og 2.

Fakta

Boligpriser og lånebegrænsninger

Kombinationen af en boligpriselasticitet på -0,3, en indkomstfremgang på 0,9% og en

indkomstelasticitet på 1 betyder alt andet lige, at modellen forudser, at priserne i Københavns

Kommune vil stige med 3% hvert år, hvis både befolkningstallet og udbuddet af boliger er uændret.

Det skyldes, at en stigning i boligpriserne på 3% netop reducerer efterspørgslen med 3%*0,3=0,9%,

hvilket opvejer effekten af indkomststigningen.

Nogle husholdninger er underlagt budgetbegrænsninger, dvs. at der er grænser for, hvor stor en del af

deres indkomst de kan bruge på bolig. Danmarks Nationalbank

(2020)

dokumenterer, at lånereglerne

allerede i dag påvirker boligpriserne. I modellen har vi pragmatisk antaget, at halvdelen af

husholdningerne er underlagt lånebegrænsninger (se uddybning i afsnit 3.3).

Opsummering: Udvikling i boligefterspørgslen, 2019-2075

Den årlige stigning i efterspørgslen efter boligkvadratmeter ved uændrede boligpriser er

illustreret i figur 4. I modellen bliver den faktiske efterspørgsel påvirket af stigninger i

boligpriserne over tid og vil derfor være mindre end den underliggende efterspørgsel, som er

illustreret i figuren.

Incentive | 17

Figur 4

Årlig tilvækst i efterspørgslen efter boligkvadratmeter ved uændrede boligpriser, m

pr. år

800.000

700.000

600.000

500.000

400.000

300.000

200.000

100.000

Stigende indbyggertal

Stigende indkomster, nye indbyggere

Stigende indkomster, nuværende indbyggere

Kilde: Incentive på baggrund af Københavns Kommune (2019a) samt egne beregninger.

3.3 Boligpriser

I dette afsnit beskriver vi den historiske udvikling i boligpriserne i København.

Opgørelsen bruges direkte i følsomhedsscenarie 2, hvor vi vurderer et scenarie, hvor

boligpriserne udvikler sig i samme takt, som man har set historisk, korrigeret for

engangseffekter.

Derudover tjener afsnittet som sammenligningsgrundlag for de fremtidsscenarier, som vi her

etablerer.

Endelig beskriver vi, hvordan og hvorfor vi opererer med et loft for, hvor meget boligpriserne kan

stige vores hovedscenarie, hvor boligprisudviklingen fastsættes af modellen.

Historisk udvikling

Som det fremgår af figur 5, der viser udviklingen i boligpriserne i København baseret på tre

forskellige indeks

, er boligpriserne steget markant de seneste år med en markant nedtur efter

Boligøkonomisk Videncenters indeks bruger en metode, der tager udgangspunkt i gentagne salg af de samme

boliger. Denne metode tager højde for forskelle i kvaliteten af de boliger, der bliver solgt på forskellige tidspunkter.

Indekset er desuden lavet for ejerlejligheder i Københavns og Frederiksberg Kommune. Danmarks Statistik bruger den

såkaldte SPAR-metode. Metoden tager udgangspunkt i differencen mellem boligers salgspriser og boligens offentlige

ejendomsvurdering. Indekset er desuden for Landsdelen Byen København, hvilket inkluderer kommunerne

København, Frederiksberg, Dragør og Tårnby. Finans Danmarks indeks er lavet ud fra kvadratmeterprisen, der er den

Incentive | 18

finanskrisen. Når man ser bort fra den store stigning i boligpriserne i årene op til finanskrisen og

det store efterfølgende fald, er der en forholdsvis jævn stigning i priserne år for år.

Figur 5

Indeks i real prisudvikling for ejerlejligheder, 2006=100

Kilde: Egne beregninger på BVC boligprisindeks, DST prisindeks for ejendomssalg og FD Boligmarkedsstatistikken.

Note: DST er Danmarks Statistik. BVC er Boligøkonomisk Videncenter. FD er Finans Danmark. Vi har deflateret de nominelle

indeks med Danmarks Statistiks forbrugerprisindeks (PRIS111).

Som det fremgår, er udviklingen i boligpriserne ret ensartet for de tre indeks. I det følgende

tager vi udgangspunkt i Finans Danmarks indeks, da det er det eneste indeks, som opgør

udviklingen i boligpriserne for Københavns Kommune for sig.

Tabel 5 viser den historiske realvækst for boligpriserne i København. Alt efter tidshorisonten har

væksten ligget mellem 3,6% og 9,9% pr. år. Da vi her fokuserer på udviklingen over mange år og

ønsker at eliminere effekterne af kortsigtede udsving, anvender vi i følsomhedsscenarie 2 den

historiske prisstigningstakt for de seneste 25 år på 6,5% (før korrektion af engangseffekter).

Det skal bemærkes, at startåret for perioden var præget af lavkonjunktur. Vi vurderer dog ikke,

at det har stor betydning for analysens resultater, da den historiske stigningstakt har været den

samme for perioden 1998-2018.

gennemsnitlige salgspris pr. boligkvadratmeter, og der ses på Landsdelen Byen København. For en nærmere

gennemgang af boligprisindeks, se Holmgaard (2016).

Incentive | 19

Tabel 5

Historisk prisudvikling for ejerlejligheder i københavnsområdet, realvækst i % pr. år

Tidshorisont

Seneste 5 år (2013-2018)

Seneste 10 år (2008-2018)

Seneste 15 år (2003-2018)

Seneste 20 år (1998-2018)

Seneste 25 år (1993-2018)

Kilde: Egne beregninger på Finans Danmarks Boligmarkedsstatistikken og Statistikbanken, PRIS111.

Ejerlejligheder

9,9 %

3,6 %

4,1 %

6,5 %

Korrektioner for engangseffekter og input til følsomhedsscenarie 2

Boligpriserne har fra 1994 til 2019 været påvirket af en række engangseffekter, som man ikke

kan forvente bliver gentaget i fremtiden.

I følsomhedsscenarie 2, der afspejler en fortsættelse af de historiske boligpriser, korrigerer vi

derfor for sådanne enkeltbegivenheder. Vurderingerne af effekterne af enkeltbegivenhederne er

selvsagt behæftet med stor usikkerhed.

I tabel 6 har vi opsummeret de korrektioner for engangseffekter, som vi har foretaget.

Som det fremgår, betyder korrektionerne, at vi i følsomhedsscenarie 2 regner med en real

stigning i boligpriserne på 3,6% pr. år.

Tabel 6

Korrektion for engangseffekter

Enkeltbegivenhed

Effekt af ophævelse

af mixlån i 1993

Nye låneformer og

fastfrossen

ejendomsværdiskat

Byfornyelse

Bemærkning

Økonomi- og Erhvervsministeriet (2008) estimerer, at

ophævelsen af mixlånet i 1993 øgede boligpriserne med

14% på lang sigt.

Nationalbanken estimerer i Erhvervs- og Vækstministeriet

(2013), at boligpriserne uden introduktionen af nye

låneformer og afdragsfrihed i 2000-2012 ville have været

25% lavere, se figur 6.

Vi vurderer, at den omfattende byfornyelse af gamle

boliger i København har bidraget til stigende boligpriser.

Vi har ikke identificeret studier med valide estimater på

effekterne. Af forsigtighedshensyn har vi indregnet en

effekt på 1%-point pr. år.

Effekt i beregninger

14% for hele perioden

25% for hele perioden

1%-point pr. år

Historiske boligprisstigninger de seneste 25 år (uden korrektioner)

Historiske boligprisstigninger de seneste 25 år (med korrektioner)

6,5%

3,6%

Kilde: Økonomi- og Erhvervsministeriet (2008): Afdragsfrie lån og prisstigninger på boligmarkedet,

Erhvervs- og Vækstministeriet (2013, side 131): Den finansielle krise i Danmark

–

Årsager, konsekvenser og læring

(Rangvid-udvalget).

Incentive | 20

Figur 6

Effekt af nye låneformer og fastfrossen ejendomsværdiskat

Kilde: Erhvervs- og Vækstministeriet (2013, side 131): Den finansielle krise i Danmark

–

Årsager, konsekvenser og læring

(Rangvidudvalget).

Loft på boligprisstigninger i vores hovedscenarie

vores hovedscenarie ”Basis boligprisudvikling”

bestemmes prisudviklingen i modellen ud fra

efterspørgslen og stigningen i udbuddet fra Københavns Kommunes tekniske fremskrivninger af

for udbygning af boligmassen i København.

Som det fremgik af afsnit 3.3, forudsiger modellen, at boligpriserne stiger med mere end

indkomsten, hvis både befolkningstallet og boligudbuddet er uændret. Det betyder, at

husholdningerne løbende øger den andel af indkomsten, der bruges på bolig.

De husholdninger, der er underlagt lånebegrænsninger, kan ikke øge deres betaling for boliger

med mere end stigningstakten for indkomsten (medmindre befolkningen udskiftes til personer

med højere indkomster, som man har set historisk). I modellen forudsætter vi pragmatisk, at

halvdelen af befolkningen er underlagt lånebegrænsninger.

Incentive | 21

3.4 Korrektion for strukturelt niveau

De næstsidste element i modellen er, at vi korrigerer for, at boligpriserne i København

sandsynligvis er påvirket af faktorer, der betyder, at priserne i dag ligger over det langsigtede

strukturelle niveau. Det skyldes effekten af indfasningen af boligskatteaftalen fra 2017, og at vi i

dag er i en højkonjunktur.

I analysen korrigerer vi for disse to faktorer.

Regeringen vurderede i 2016, at deres udspil til en boligskatteaftale ville medføre en reduktion i

priserne på ejerlejligheder i hovedstaden med 5-10%.

Den vedtagne skatteaftale minder meget

om regeringens udspil. Nationalbanken (2019) vurderer, at skatteaftalen vil reducere priserne

med 5,6% på landsplan, men mere i de store byer. I vores analyse forudsætter vi, at

skatteaftalen reducerer priserne på københavnske ejerlejligheder med 7%.

Dertil kommer, at Finansministeriet (2019b) vurderer, at boligpriserne i dag ligger 2% over det

konjunkturneutrale niveau.

Det giver en samlet effekt på boligpriserne på -9%. Vi indfaser dette over 10 år fra 2019 til 2029 i

modellen.

Konkret gør vi dette ved at nedjustere efterspørgslen med en mængde, der alt andet lige vil give

et fald i priserne på 9% over perioden. Vi mener, at dette er den rigtige måde at indlægge

tilpasningen på, da det netop er gennem efterspørgselsreduktioner, at boligskatteaftalen og en

tilpasning til en neutral konjunktursituation vil reducere boligpriserne. I følsomhedsscenarie 1 og

2, hvor vi har antaget konstante prisstigningstakter frem mod 2075, indlægger vi også en

reduktion i prisstigningstakten direkte. Det øger den realiserede efterspørgsel. Det betyder, at

den samlede efterspørgsel (og dermed det nødvendige udbud) ikke ændrer sig i

følsomhedsscenarie 1 og 2 som følge af tilpasningen til det strukturelle prisniveau.

3.5 Effekt af rentenormalisering

I variant a af

vores hovedscenarie ”Basis boligprisudvikling” forudsætter vi, at renter

normaliseres i henhold til Finansministeriets gældende prognose, der tilsiger, at realrenten på et

30-årigt realkreditlån stiger til 3,6% i 2040, jf. figur 7.

Se fx https://www.dr.dk/nyheder/penge/skatteministeren-forventer-bolig-prisfald-i-koebenhavn-paa-op-til-10-

procent

Incentive | 22

Figur 7

Rentenormalisering i henhold til Finansministeriets gældende prognose (realrente på 30-årigt

realkreditlån)

4,0%

3,5%

3,0%

2,5%

2,0%

1,5%

1,0%

0,5%

0,0%

2019

2025

2031

2037

2039

2045

2051

2057

2065

2021

2023

2027

2029

2033

2035

2041

2043

2047

2049

2053

2055

2059

2061

2063

2067

Kilde: Egne beregninger på basis af oplysninger fra Finansministeriet vedr. gældende forventninger i marts 2020 til inflation og

nominel rente på 30-årigt realkreditlån.

I prognosen er effekten på boligpriserne indregnet ud fra en opgørelse af, hvad en stigning i

renten på 1% betyder for ydelsen på et 30-årigt realkreditlån. De viser, at en stigning i renten på

1% øger ydelsen med omtrent 7%. For samme ”boligbudget” kan husholdningerne således betale

omtrent 7% mindre for samme bolig pr. %-point, som renten stiger.

Incentive | 23

2069

4 Resultater for udvikling i boligpriser og

udbygningstakt

I dette afsnit beskriver vi prognoserne for boligpriserne og udbygningstakten for alle scenarierne.

Dernæst sammenligner vi resultaterne med andre studier for København og boligmarkedet i andre

lande.

4.1 Prognoser for boligpriser

Vi har opsummeret prognoserne for udviklingen i boligpriserne i de tre scenarier i tabel 7.

I følsomhedsscenarie 1, hvor boligpriserne følger udviklingen i byggeomkostningerne, stiger

priserne blot med 0,3% om året i gennemsnit frem til 2075. Årsagen til, at priserne i dette

scenarie ikke stiger med 0,5%, som er den historiske stigningstakt i byggeomkostningerne, er, at

vi korrigerer for en gradvis tilpasning af det nuværende prisniveau til det strukturelle niveau i

perioden 2019-2031.

I vores hovedscenarie (Basis boligprisudvikling), hvor udbygningen af boligmassen sker i takt med

Københavns Kommunes beregningstekniske fremskrivninger, afhænger udviklingen af

renteudviklingen. Med rentenormalisering stiger boligpriserne med 1,0%-1,3% om året til 2040.

Uden rentenormalisering stiger priserne med 1,7%-2,2% om året. Fra 2040 er prisstigningerne ens

i de to scenarier, da renten fra 2040 også er konstant i rentenormaliseringsscenariet, jf. figur 7.

I følsomhedsscenarie 2, hvor priserne følger de historiske stigningstakter korrigeret for

engangseffekter, stiger priserne i gennemsnit med 3,4% om året.

Det skal bemærkes, at prognosen for alle scenarierne for 2019-2031 er påvirket af den gradvise

tilpasning til det strukturelle niveau, og at prognosen for vores hovedscenarie er påvirket af

antagelsen om budget- og lånebegrænsninger.

Incentive | 24

Tabel 7

Opsummering af udvikling i boligpriser for de tre scenarier for 2019-2075

Gennemsnitlig årlig vækst

2020-2030

Følsomhedsscenarie 1. Lav

boligprisudvikling

Basis boligprisudvikling med

rentenormalisering (a)

Basis boligprisudvikling med

uændrede renter (b)

Følsomhedsscenarie 2. Høj

boligprisudvikling

1,0%

1,7%

2031-2040

1,3%

2,2%

2041-2075

2,6%

Hele perioden

0,3%

2,1%

2,4%

3,4%

4.2 Prognoser for udbygningstakt

I tabel 8 og figur 8 har vi opsummeret prognoserne for udbygningstakten.

I følsomhedsscenarie 1 udbygges boligmassen markant for at sikre, at priserne kun stiger med

byggeomkostningerne. Den beregnede udbygningstakt ligger markant over det historiske niveau,

og det kan diskuteres, om dette scenarie i praksis kan realiseres. I scenariet beregner vi, at

boligmassen ifølge modellen skal udbygges med 571.000 m

om året i gennemsnit. Til

sammenligning er boligmassen i 2012-2019 i gennemsnit udvidet med 382.000 m

om året.

I det videre arbejde oversætter vi modelresultaterne for udbygningstakten til et lavere niveau.

Det præcise niveau fastsætter vi, når vi har viden om, i hvilket omfang jordopfyld m.m. er

begrænsende faktorer for udbygningshastigheden for Lynetteholmen. Derfor er disse resultater

angivet med ””. Resultatet flugter i øvrigt meget

godt med de ekspertvurderinger, vi har fået i

forbindelse med udarbejdelsen af scenarierne. De går på, at det bliver meget vanskeligt/umuligt

at holde prisstigningstakten på 0,3% i området.

vores hovedscenarie ”Basis boligprisudvikling”

udbygges boligmassen med 218.000 m

om året i

gennemsnit, hvilket er lavere end det historiske gennemsnit på 382.000 m

om året for 2012-

2019, men højere end gennemsnittet for 1987-2006 på 82.000 m

om året. Samlet udbygges

boligmassen i København med 47% frem til 2075.

I følsomhedsscenarie 2 udbygges boligmassen lidt langsommere end i vores hovedscenarie nemlig

med 188.000 m

om året i gennemsnit. Samlet udbygges boligmassen i København således med

40% frem til 2075.

Incentive | 25

Tabel 8

Opsummering af udbygningstakt for de tre scenarier for 2019-2075

Gennemsnitlig årlig udbygning (m

pr. år)

2019-2031

Følsomhedsscenarie 1.

Lav boligprisudvikling

Basis

boligprisudvikling med

rentenormalisering (a

og b)

Følsomhedsscenarie 2.

Høj boligprisudvikling

2032-2050

2051-2075

Hele

perioden

”571.000”

Samlet vækst

Hele

perioden

(mio. m

)

32,6

”591.000”

”538.000”

”586.000”

122%

352.000

203.000

159.000

218.000

12,4

47%

306.000

183.000

130.000

188.000

10,7

40%

Note: Fra primo 2019 til ultimo 2075. Afrundet til nærmeste tusinde.

Incentive | 26

Figur 8

Årlig udbygning af boligmassen, m

pr. år (gennemsnit for udvalgte perioder)

700.000

600.000

500.000

400.000

300.000

200.000

100.000

2019

2022

2025

2028

2031

2034

2037

2040

2043

2046

2049

2052

2055

2058

2061

2064

2067

2070

2073

Følsomhedsscenarie 1.

Lav boligprisudvikling

Basis boligprisudvikling

med rentenormalisering

(a og b)

Følsomhedsscenarie 2.

Høj boligprisudvikling

Historisk gennemsnit

(2012-2019)

Historisk gennemsnit

(1986-2006)

Kilde: Incentive.

Note: Historisk gennemsnit er baseret på data fra Danmarks Statistisk, gennemsnit for 2012-2019 er baseret på BYGB34

(boligareal), gennemsnit for 1986-2006 er baseret på BYGB1 (parcel- og stuehuse, række-, kæde- og dobbelthuse, etageboliger

og anden helårsbeboelse (areal angiver bygningens samlede areal, dvs bygningens etageareal, tag-etageareal og kælderareal).

4.3 Sammenligning med andre studier for København

I tabel 9 har vi sammenlignet vores prognoser for priserne med andre vurderinger af fremtidige

prisstigninger i København.

Vi sammenligner med resultater fra Copenhagen Economics’ boligmarkedsanalyse for Transport-

Bygnings- og Boligministeriet (2018a)

samt Incentives og EY’s forundersøgelse af Østlig Ringvej

(2018). Overordnet er vores skøn af samme størrelsesorden som prisprognoserne i de to

prisprognoser, som vi sammenligner med.

Incentive | 27

Tabel 9

Anbefalet realvækst i boligpriserne, samt realvækst fra referenceprojekter (realvækst i % pr. år)

Kilde

Denne analyse

Scenarie

Følsomhedsscenarie 1

Basis boligprisudvikling (a)

Basis boligprisudvikling (b)

Følsomhedsscenarie 2

Copenhagen Economics

Østlig Ringvej

Højt skøn

Lavt skøn

Middel skøn

Højt skøn

Realvækst, % pr. år

0,3

2,1

2,4

3,4

5,3

2,8

0,5

2,0

4,0

Kilde: Egne beregninger samt Copenhagen Economics (2018a) og EY & Incentive (2018).

Note:

Gennemsnitlige vækstrater i perioden fra starten af 2019 til slutningen af 2075.

Estimater for prisudviklingen i

København 2019-2044. Tallene er aflæst fra figur på s. 8.

Forudsat vækstrate til og med 2075.

Vores laveste skøn (følsomhedsscenarie 1) ligger en smule lavere end det lave skøn fra

forundersøgelsen af Østlig Ringvej. Det skyldes udelukkende, at vi tager højde for effekten af

boligskatteaftalen og den nuværende konjunktursituation. Vores højeste skøn

(følsomhedsscenarie 2) er lavere end det høje skøn fra Copenhagen Economics. Copenhagen

Economics’ skøn går dog kun frem til 2044.

Overordnet vurderer vi, at vores prognose for boligpriserne stemmer fint overens med andre

vurderinger af den fremtidige udvikling på lang sigt, og at spændet på estimaterne i vores

scenarier afspejler den store usikkerhed, der er på så lange fremskrivninger.

4.4 Sammenligning med andre lande

I dette afsnit ser vi nærmere på boligmarkederne i andre lande for at sætte de ovenstående

prognoser i perspektiv.

Udvikling over tid

Som det fremgår af figur 9, er markante prisstigninger i storbyer ikke et dansk fænomen. Figuren

viser udviklingen i boligpriserne i Paris, London, Oslo og Stockholm.

Priserne i London er steget med 9,3% om året fra 1995 til 2019, mens priserne i Oslo er steget

med 8,8% om året fra 1992 til 2019. I Stockholm er priserne steget med 6,9% om året fra 1986 til

2019, mens priserne er steget med 4,3% om året i Paris.

Copenhagen Economics opstiller to scenarier for prisudviklingen i København. I det ene scenarie forudsætter de, at

boligmassen i København har samme vækst som i de seneste 10 år, hvilket giver deres høje estimat. I scenariet med

lav vækst antages det, at boligmassen vil vokse i København og omegn med samme høje takt som siden 2014.

Incentive | 28

Figuren underbygger således prognosernes præmis om, at boligpriserne kan stige væsentligt over

mange år.

Dette understøttes i øvrigt også af, at Boligøkonomisk Videncenter i publikationen ”Danske

Boligindeks 1938-2017”

fra januar 2019

har opgjort, at priserne set i et meget langt perspektiv

fra 1950 til 2017 er steget med 3,1-3,4% pr. år i Københavns og Frederiksberg Kommuner i reale

termer.

Figur 9

Boligprisudviklingen i fem europæiske hovedstæder, reale priser, 2007=100

Kilder: Egne beregninger på baggrund af boligprisdata fra scb.se (Stockholm), ssb.no (Oslo), data.london.gov.uk (London) og

compassft.com (Paris) samt forbrugerprisindeks fra stats.oecd.org.

Boligprisniveau og indkomster

I figur 10 har vi sammenlignet prisniveauet for ejerboliger i udvalgte byer med indkomstniveauet.

Det skal understreges, at det er vanskeligt at sammenligne prisniveauet på tværs af byer, da

opgørelserne er følsomme over for den geografiske afgrænsning af analysen. Man skal derfor

passe på med at drage alt for håndfaste konklusioner fra opgørelsen.

Incentive | 29

Figuren indikerer dog, at:

prisniveauet i København ligger under prisniveauet i andre europæiske storbyer, når man

alene vurderer det ud fra indkomstniveauet (København ligger under trendlinjen).

prisniveauet i København ligger under niveauet i storbyer som London, Paris og München,

men over niveauet i flere andre europæiske byer.

Figur 10

Prisniveau og indkomster (2017-data)

Kilde: Deloitte - Property Index 2018: Overview of European Residential Markets, samt egne beregninger på tal fra Eurostat om

BNP i nuværende markedspriser (nama_10r_2gdp) og befolkning (tgs00096).

Note: Tallene fra Eurostat er opgjort på regioner. Dermed er BNP pr. person behæftet med usikkerhed for visse byer, idet

beboere uden for de faktiske byer kan være inkluderet i beregningen. Fx er BNP pr. person for København opgjort for hele

Region Hovedstaden. Befolkningen i regionerne er opgjort ultimo 2017. Tal for BNP er i visse regioner foreløbige, og derfor kan

tallene blive revideret i fremtiden.

Deloitte opgør huspriserne som de gennemsnitlige transaktionspriser for nye boliger i EUR/m

i 2017, hvor de benytter

vekselrater ultimo 2017. *Boligpriser for Amsterdam indeholder ældre boliger.

Byggeretspriser

Prognoserne for udviklingen i boligpriserne omregnes i den finansielle model til byggeretspriser

baseret på input om udviklingen i de fremtidige byggeomkostninger m.m. Da boligpriserne stiger

mere end byggeomkostningerne, forudses en væsentlig stigning i prisen på byggeretter.

Det er vanskeligt at lave en præcis sammenligning af byggeretspriser på tværs af lande, da en

række lokale forhold har betydning for prisniveauerne.

Incentive | 30

Med det forbehold in mente sammenligner vi dog i tabel 10 ejendomspriser og

byggepriser/arealpriser i udvalgte dele af London og på Lynetteholmen i København.

Det er værd at bemærke, at vi for Lynetteholmen har opgjort prisen pr. m

byggeret, mens

priserne i London er opgjort pr. arealenhed. Tallene kan derfor ikke sammenlignes direkte, men

da den gennemsnitlige bebyggelsesprocent er 100 for Lynetteholmen som helhed, mener vi, at

det giver mening at sammenstille tallene. For at lette sammenligningen har vi også tilføjet data

for befolkningstætheden i tabel 10.

Som det fremgår, er der store forskelle på arealpriser og boligpriser i de forskellige dele af

London. I det centrale London ses boligpriser på 150-175.000 kr. pr. m

og arealpriser på over

80.000 kr. pr. m

, mens priserne i fx Hammersmith & Fulham er omtrent 95.000 kr. pr. m

bolig

og ca. 50.000 kr. pr. m

areal.

Som det også fremgår, er der en tæt sammenhæng mellem boligpriser og arealpriser i London.

Til sammenligning vurderes salgspriserne på Lynetteholmen i 2050 at ligge på 86.900 kr. pr. m

byggeretsprisen at ligge på omkring 37.600 kr. pr. m

På trods af problemerne med at sammenligne priserne på tværs af lande vurderer vi, at

ovenstående indikerer, at den estimerede sammenhæng mellem boligpriser og byggeretspriser er

realistisk.

Tabel 10

Sammenligning af arealpriser og ejendomspriser i udvalgte områder af London og København

Område

Kensington & Chelsea

Westminster

Hammersmith & Fulham

Kingston upon Thames

Greenwich

Lynetteholmen i 2020

Lynetteholmen i 2030

Lynetteholmen i 2040

Lynetteholmen i 2050

Ejerboligpris

(kr. pr. m

)

173.007

144.589

95.390

56.533

48.363

46.000

54.300

67.800

86.900

Arealpris/byggeretspris

(kr. pr. m

)

81.079

83.037

50.552

20.292

21.716

8.300

12.900

24.300

37.600

Befolkningstæthed

(personer pr. km

)

12.960

11.524

10.977

4.727

5.910

12.500

Kilde:

UK House Price Index (2016),

Land Area and Population Density, Ward and Borough

(2016),

Estimeret i finansiel model for scenariet basis boligprisudvikling med uændrede renter.

Note: Udarbejdet af EY.

Incentive | 31

4.5 Andelen af indkomsten husholdningerne bruger på

bolig

I vores hovedscenarie stiger boligpriserne hurtigere end indkomsten. Det betyder, at

husholdningerne alt andet lige vil bruge en stigende del af deres indkomst på bolig i fremtiden.

For at illustrere effekten har vi i figur 11 illustreret udviklingen for husholdninger, der i dag

bruger 20% af deres indkomst på bolig.

Fremskrivningen gælder for begge hovedscenarier (med og uden rentenormalisering), da andelen

husholdningerne bruger på bolig er den samme i de to scenarier, jf. afsnit 3.5.

Som det fremgår, stiger andelen af husstandens indkomst, der bruges på bolig, i dette eksempel

til lige under 35% i 2060.

Rent teknisk har vi også beregnet effekten til og med 2075. Det er dog værd at bemærke at

prognosen for boligpriserne kun betyder noget for den finansielle analyse til og med 2063, hvor

den sidste bolig på Lynetteholmen forudsættes afsat.

Figur 11

Eksempel: Andel af indkomsten, som husholdningerne bruger på bolig

Note: Eksempelberegninger for husholdninger, der i dag bruger 20% af indkomsten på bolig. Fremskrivningen er den samme for

de to hovedscenarier, da effekten af højere renter på boligpriserne er beregnet ud fra, hvor stor en effekt stigende renter har

på ydelsen. I de to scenarier er andelen husholdningerne bruger på indkomst således den samme.

Udgangspunktet på de 20% er tænkt som et illustrativt eksempel. Der vil være husholdninger, der

bruger en større andel på bolig, og husholdninger, der bruger en mindre andel på bolig.

Det er i øvrigt værd at bemærke, at husholdningerne i eksemplet stadig vil få flere penge til

overs til andet forbrug i fremtiden, i takt med at indkomsterne stiger, til trods for at de

anvender en stigende

andel

af deres indkomst til bolig

Incentive | 32

Endelig er det værd at bemærke, at indkomsterne kan stige med mere end de forudsatte 0,9%

om året, hvis husholdningerne, der flytter til København, har en højere gennemsnitsindkomst end

de husholdninger, der flytter fra København. Det vil reducere andelen af indkomsterne, som

bruges på bolig, med de forudsatte boligprisstigninger.

I og med at etablering af Lynetteholmen reducerer boligprisstigningerne, vil projektet alt andet

lige bidrage til at reducere andelen af indkomsten, som bruges på bolig i København.

Incentive | 33

5 Salgspriser for lignende boliger i dag

I anden delanalyse estimerer vi, hvad lejligheder, der svarer til dem, der opføres på

Lynetteholmen, Refshaleøen m.m., i dag ville koste, hvis de var opført og klar til salg.

Vi vurderer dette ud fra en opgørelse af de gennemsnitlige realiserede salgspriser i seks udvalgte

referenceområder.

5.1 De seks referenceområder

Lynetteholmen og Refshaleøen kommer til at dække et stort areal med ret forskelligartede

karakteristika, som vil påvirke salgsprisen for de boliger, der opføres.

Vi har derfor udvalgt seks referenceområder, der hver især afspejler nogle af disse

karakteristika.

De seks referenceområder, der fremgår af figur 12, er:

Nordhavn:

Et nærområde til Lynetteholmen. Området ligger ud til vandet og er et

område under udvikling.

Langelinie, Midtermolen og Frederiksstaden:

Området bliver nærområde til

Lynetteholmen og ligger ligesom Lynetteholmen ud til vandet. Området er et etableret

byområde. Området ligger tættere på centrum end Lynetteholmen og Refshaleøen.

Nærområde til Refshaleøen:

Nærområde til Refshaleøen og Lynetteholmen.

Kløvermarken:

Området ligger tæt på Refshaleøen, men vurderes at være mindre

attraktivt.

Teglholmen:

Udviklingsområde, der er mindre attraktivt end Refshaleøen og

Lynetteholmen.

Ørestad:

Stort udviklingsområde uden direkte adgang til vandet, men med nem adgang

til natur.

Incentive | 34

Figur 12

Overblik over de seks referenceområder

Kilde: Incentive.

5.2 Salgspriser i de seks referenceområder

Vi har beregnet de gennemsnitlige salgspriser og medianen for salgspriserne i de seks

referenceområder ved at indhente data fra boligsiden.dk om realiserede salgspriser i perioden

januar 2017 til september 2019. Vi har efterfølgende renset datasættet for familiesalg m.m. og

fjernet

’outliers’.

Resultaterne er vist i tabel 11.

De gennemsnitlige salgspriser varierer mellem 35.200 og 56.700 kr. pr. m

i de seks

referenceområder. Gennemsnittene dækker desuden over en betydelig variation i priserne inden

for de enkelte områder. Medianen ligger på niveau eller lidt lavere end gennemsnittet.

Incentive | 35

Tabel 11

Salgspriser for referenceområder, kr. pr. m² (min. og maks. er angivet i parentes ved henholdsvis 2,5%-

fraktilen og 97,5%-fraktilen)

Område

Område 1: Nordhavn

Område 2: Langelinie, Midtermolen,

Frederiksstaden, etc.

Område 3: Nærområde til Refshaleøen

Område 4: Kløvermarken

Område 5: Teglholmen

Område 6: Ørestad

Gennemsnit

52.800 (37.100-77.400)

49.900 (32.100-76.400)

56.700 (41.200-89.700)

37.200 (25.400-47.100)

40.600 (25.700-54.700)

35.200 (26.400-44.600)

Median

50.900

49.100

53.600

37.300

40.100

35.400

Note: Priserne er opgjort på baggrund af de faktiske salgspriser for ejerlejligheder solgt i perioden 2017-2019, som registreret

på boligsiden.dk. Boliger, der er solgt som familiekøb, indgår ikke i opgørelsen. For boliger, der er solgt flere gange, anvendes

nyeste salgspris. De 2,5% laveste og højeste observationer er frasorteret for at undgå effekt fra outliers. Vi har ikke korrigeret

salgspriserne for de enkelte boligsalg for prisstigninger i perioden 2017-2019. De gennemsnitlige salgspriser er derfor en smule

lavere end salgspriserne for de seneste handler. De laveste og højeste kvadratmeterpriser i de enkelte områder er angivet i

parentes.

Kilde: Incentive på baggrund af data fra boligsiden.dk.

5.3 Estimerede salgspriser for udviklingsområder, hvis de

skulle sælges i dag

I tabel 12 har vi opsummeret vores vurdering af, hvad boligerne i udviklingsområderne kunne

sælges til, hvis de skulle sælges i dag. Til sammenligning har vi vist de tilsvarende

forudsætninger for analysen af Østlig Ringvej.

Vores vurdering er baseret på ovenstående salgspriser fra de seks referenceområder samt input

for eksperter fra ejendomsbranchen.

Tabel 12

Estimerede salgspriser for interesseområder, DKK pr. m²

Interesseområde

Område A: Lynetteholmen, zone 1

Område B: Lynetteholmen, zone 2

Område C: Refshaleøen

Område D: Quintus

Område E: Kløverparken

Tilsvarende salgspris i dag

46.000

Ej relevant, alene erhverv

42.000

40.000

Forudsætning i analyse

af Østlig Ringvej

45.000

Nedenfor gennemgår vi kort, hvad vurderingerne for hvert område er baseret på i forhold til data

fra referenceområderne.

Incentive | 36

Lynetteholmen, zone 1 og zone 2

Zone 1 kommer til at ligge ind mod Trekroner og Københavns Havn. Vi vurderer derfor, at det

bliver et af de mere attraktive områder i København, da der vil være god adgang til vand, udsigt

til havnen og god tilgængelighed via metro og Østlig Ringvej. Dermed minder området om

referenceområde 1, 2 og 3, dog med lidt ringere tilgængelighed.

Zone 2 bliver ligeledes attraktivt. Området har

direkte adgang til ”frit vand”, men

har formentlig

en ringere tilgængelighed end zone 1. Minder på visse karakteristika om (ydre del) af Nordhavn.

Refshaleøen

Minder på flere parametre om Lynetteholmen, zone 1.

Kløverparken

Området minder på flere parametre om referenceområde 3, 4 og 5.

Incentive | 37

6 Samlet input til beregninger for

Lynetteholmen

I dette afsnit har vi kort opsummeret de estimater, der anvendes fra denne analyse.

Modellen giver estimater på de årlige effekter, men for overskuelighedens skyld angiver vi her

alene centrale nøgletal i udvalgte år for de tre scenarier.

Boligpriser

Den estimerede prisudvikling for boligerne i de største relevante udviklingsområder fremgår af

tabel 13. Udviklingen er tilsvarende for Kløverparken blot fra lavere udgangspunkt.

Tabel 13

Prognose for boligpriser på Lynetteholmen zone 1 og 2, Refshaleøen og Quintus til samlet analyse af

finansieringspotentiale, kr. pr. m

2020

Basis boligprisudvikling

(med rentenormalisering)

Basis boligprisudvikling

(uændrede renter)

46.000

2030

50.200

54.300

2040

57.300

67.800

2050

73.400

86.900

Udbygningstakt

Den estimerede udbygningstakt for de tre scenarier fremgår af tabel 14.

I følsomhedsscenarie 1 udbygges boligmassen markant for at sikre, at priserne kun stiger med

byggeomkostningerne. Den beregnede udbygningstakt ligger markant over det historiske niveau,

og det kan diskuteres, om dette scenarie i praksis kan realiseres. I scenariet beregner vi, at

boligmassen ifølge modellen skal udbygges med 571.000 m

om året i gennemsnit. Til

sammenligning er boligmassen i 2012-2019 i gennemsnit udvidet med 382.000 m

om året. I det

videre arbejde oversætter vi modelresultaterne for udbygningstakten til et lavere niveau. Det

præcise niveau fastsætter vi, når vi har viden om, i hvilket omfang jordopfyld m.m. er

begrænsende faktorer for udbygningshastigheden for Lynetteholmen. Derfor er disse resultater

angivet med ””.

I vores hovedscenarie udbygges boligmassen med 218.000 m

om året i gennemsnit, mens

boligmassen i følsomhedsscenarie 2 udbygges lidt langsommere med 188.000 m

om året i

gennemsnit.

Incentive | 38

Tabel 14

Opsummering af udbygningstakt for de tre scenarier for 2019-2075

Gennemsnitlig årlig udbygning (m

pr. år)

2019-2031

Følsomhedsscenarie 1. Lav

boligprisudvikling

Basis boligprisudvikling med

rentenormalisering (a og b)

Følsomhedsscenarie 2. Høj

boligprisudvikling

”591.000”

352.000

306.000

2032-2050

”538.000”

203.000

183.000

2051-2075

”586.000”

159.000

130.000

Hele perioden

”571.000”

218.000

188.000

Note: Fra primo 2019 til ultimo 2075. Afrundet til nærmeste tusinde.

Man kan diskutere, om dette scenarie i praksis kan

realiseres. I scenariet udbygges boligmassen ifølge modellen med 571.000 m

om året i gennemsnit. Til sammenligning er

boligmassen i 2012-2019 i gennemsnit udvidet med 382.000 m

om året. I det videre arbejde oversætter vi modelresultaterne

for udbygningstakten til et lavere niveau. Det præcise niveau fastsætter vi, når vi har viden om, i hvilket omfang jordopfyld

m.m. er begrænsende faktorer for udbygningshastigheden for Lynetteholmen.

Incentive | 39

7 Referencer

Copenhagen Economics. 2018a. “Boligmarkedsanalyse for Hovedstaden. Boligbehov,

udviklingspotentialer og -strategier”.

———.

2018b.

“Demografi, boligbehov og boligprisudvikling i Københavns Kommune. Analyse med

fokus på den nuværende og fremtidige udvikling.”

Danmarks Nationalbanken. 2020. “Strammere låneregler har gjort boligejerne mere robuste”.

Danmarks Statistik. 2012.

ADAM - en model af dansk økonomi.

EY og Incentive. 2018. “Forundersøgelse Østlig Ringvej Kortlægning m.v. af finansieringskilder”.

Finansministeriet. 2019a. “Finansministeriets nøgletalskatalog”.

———. 2019b. “Økonomisk Redegørelse August 2019”.

Jakob Holmgaard. 2016.

“Sammenligning af boligprisstatistikker i Danmark”.

Kraka og Finanskrisekommissionen. 2014. “Den danske finanskrise

kan det ske igen?”

Københavns Kommune. 2019a. “Beregningstekniske forudsætninger for udbygningen

Lynetteholmsprojektet”.

Marianne Frank Hansen, og Tobias Markeprand. 2015. “Fremskrivning af familiekarakteristika og

boligefterspørgslen i danske kommuner”.

Nathalie Girouard, Mike Kennedy, Paul van den Noord, og Christophe André.

2006. “Recent House

Price Developments: The Role of Fundamentals. OECD Economics Department Working

Papers No. 475”.

Nationalbanken. 2019.

“Boligskatteaftalens effekt på boligpriserne”.

Simon Juul Hviid, Tina Saaby Hvolbøl, og Erik Haller Pedersen. 2016. “Regionale aspekter på

boligmarkedet”.

Kvartalsoversigt 4. kvartal 2016,

Nationalbanken.

Incentive | 40

8 Bilag A. Sammenligning af

modelegenskaber

I afsnit 3 har vi beskrevet, hvordan de elasticiteter, vi benytter i vores model, stemmer overens

med bl.a. Danmarks Statistiks model ADAM og MONA, som Nationalbanken udvikler.

En anden måde at kvalificere vores valg af efterspørgselselasticitet er at sammenligne

prisdannelsen i vores model med andre modeller for det københavnske boligmarked.

Vi sammenligner derfor vores fremskrivning af boligefterspørgslen med to tilsvarende

fremskrivninger:

Copenhagen Economics (2018a, 2018b) har lavet en model for boligmarkedet i København

frem til 2045.

DREAM har ligeledes lavet en fremskrivning for efterspørgslen efter boliger frem til 2040

(Marianne Frank Hansen og Tobias Markeprand 2015).

I figur 13 har vi forsøgt at lave en sammenligning af udviklingen i efterspørgslen i vores model

med resultaterne fra de to andre modeller.

For at gøre tallene så sammenlignelige som muligt viser vi her fremskrivninger for vores model

med årlige prisstigninger på 2,8%, som matcher et af scenarierne i Copenhagen Economics

(2018a), og som samtidig ligger mellem Copenhagen Economics (2018b)’s

prisstigninger for hhv.

store boliger (0,4%) og små boliger (3,1%).

Overordnet set giver vores model resultater af

samme størrelsesorden som Copenhagen Economics’ model.

DREAM’s fremskrivning ligger tæt på, men en anelse under vores efterspørgsel i 2040. Denne

fremskrivning har imidlertid indlejret en effekt fra historiske prisstigninger, som har været en del

højere end de 2,8%, som vi her illustrerer vores models efterspørgsel med. Det er derfor rimeligt,

at DREAM’s efterspørgsel er lavere end den efterspørgsel, som vi får i vores model

med en årlig

prisstigning på 2,8%.

På trods af vanskeligheder i at sammenligne de forskellige analyser direkte, bestyrker

sammenligningen rimeligheden i vores valg af efterspørgselselasticitet.

For at sammenligne tallene fra vores model med Copenhagen Economics’ model og DREAM’s fremskrivning har

været nødt til at omregne tallene fra hhv. Copenhagen Economics og DREAM fra et efterspurgt antal boliger til et

efterspurgt antal m

. Vi har taget udgangspunkt i de gennemsnitlige størrelser af boliger i København i dag for at

foretage denne omregning.

Det er ikke tydeligt fra Copenhagen Economics (2018a), hvilken prisstigning der er konsistent med boligbehovet.

Copenhagen Economics (2018b) angiver i stedet forskellige scenarier for den krævede udbygning i boligmassen i

kvadratmeter i kombination med de resulterende prisstigninger. Prisstigningerne er imidlertid opdelt på forskellige

boligtyper, hvilket gør en 1:1-sammenligning vanskelig. Copenhagen Economics angiver i øvrigt, at der ikke er en

modelmæssig sammenhæng mellem prisstigningen på 2,8% og det angivne boligbehov.

DREAM angiver den samlede merefterspørgsel i perioden 2013-2040. Vi har omregnet dette til en merefterspørgsel

for perioden 2019-2040 ved at antage en konstant udbygningstakt i perioden.

Incentive | 41

Figur 13

Ændring i boligefterspørgsel, akkumuleret mio. m

Kilde: Egne beregninger vha. Copenhagen Economics (2018a, 2018b) og Hansen og Markeprand (2015).

Incentive | 42

Transport- og Boligministeriet

EY | Assurance | Tax | Transactions | Advisory

Om EY

EY er en af verdens førende organisationer inden for revision, skat,

transaktioner og rådgivning. Den indsigt og de ydelser, vi leverer, hjæl-

per med at opbygge tillid til kapitalmarkederne og den globale økonomi.

Vi udvikler dygtige ledere og medarbejdere, som sammen leverer det, vi

lover vores interessenter og bidrager til, at arbejdsverdenen og arbejds-

livet fungerer bedre - for vores medarbejdere, vores kunder og det om-

givende samfund.

EY henviser til den globale organisation og kan referere til et eller flere

medlemsfirmaer inden for Ernst & Young Global Limited, som hver især

udgør en selvstændig juridisk enhed. Ernst & Young Global Limited, som

er et engelsk ‘company limited by guarantee’, yder ikke kunderådgiv-

ning. Flere oplysninger om vores organisation kan findes på ey.com.

Dette materiale er udarbejdet alene til orientering, og oplysningerne i det tilsigter ikke at være

fyldestgørende, og de træder ikke i stedet for udførlige analyser eller udøvelsen af professio-

nelle skøn. I konkrete sager opfordres brugere til at henvende sig til EY’s rådgivere.

ey.com/dk

Ernst & Young P/S - Osvald Helmuths Vej 4 - Postboks 250 - 2000 Frederiksberg - CVR-nr. 30 70 02 28