En búsqueda de un crédito hipotecario

Export to PDF | Export to DOC

En los últimos meses, el interés del público por los créditos hipotecarios ha acompañado el ritmo de crecimiento de los mismos. El objetivo de la actual nota es utilizar Google Trends para estudiar la demanda de créditos hipotecarios, intentando contestar la siguiente pregunta: ¿podemos anticipar algún comportamiento agregado en este mercado?

En una entrada anterior presentamos un breve ejemplo de cómo las búsquedas de internet pueden ayudar tanto al investigador aplicado como a los funcionarios públicos en el seguimiento de tendencias. En particular nos centramos en algunos indicios desde el punto de vista de los demandantes de departamentos. En esta oportunidad intentaremos profundizar e ir más allá de simples correlaciones para analizar la relación entre el indicador de búsquedas de departamentos en venta y el número de escrituras.

Comenzamos con un análisis de anticipación temporal entre las variables estudiadas 1.Luego, en el espíritu de ejercicios estándar en la literatura de pronóstico, consideramos un modelo base (autoregresivo) y estudiamos si incluir el indicador basado en búsquedas de Google reduce el error de pronóstico. Por último, presentamos un poco de evidencia sobre los préstamos en Unidades de Valor Adquisitivo (UVA).


Definiendo la búsqueda

Estamos interesados en ver cómo un indicador construido a partir de los resultados de Google puede anticipar la decisión de financiar la compra de una vivienda a través de un crédito hipotecario. Los resultados con los que trabajamos son los valores obtenidos de una búsqueda por tema2 de hipoteca. Resulta útil ver que los principales términos vinculados al tema seleccionado (dentro de la categoría mercado inmobiliario en Argentina) son consistentes con lo que queremos medir.

gráfico-2Blanco

A continuación, debemos elegir alguna variable de interés para estudiar el poder explicativo de las tendencias de búsqueda. Dentro de las múltiples series que el BCRA hace públicas para el seguimiento del sistema financiero, consideramos los datos de nuevas financiaciones por créditos hipotecarios totales (sin distinguir por el tipo de tasa variable o fija y tomando en cuenta tanto el tramo de moneda doméstica como extranjera) a personas físicas3.

Ambas series se presentan en el gráfico siguiente, donde filtramos el ruido de trabajar con datos de alta frecuencia a partir de medias móviles.

gráfico-3Blanco

En términos más generales también resulta interesante el vínculo entre búsquedas (demanda potencial) y realización de actos (escrituras). Alternativamente planteamos un segundo ejercicio teniendo en cuenta los actos relevados por el Colegio de Escribanos de la Ciudad de Buenos Aires (escrituras) y las búsquedas de departamentos en venta.

gráfico-4Blanco

Resultados empíricos

La variable de Google trends anticipa temporalmente a la cantidad de nuevos créditos hipotecarios en aproximadamente 5/6 semanas. Cuando analizamos la búsqueda de departamentos en venta con el número de escrituras, los resultados también indican anticipación del indicador de búsquedas a la cantidad de escrituras en 2 o 3 meses.

Siguiendo a varios trabajos de la literatura de pronósticos, ampliamos un modelo autoregresivo (es decir, uno que sólo mira los valores pasados de la variable de interés), para créditos hipotecarios por un lado y cantidad de escrituras por el otro (1), con el indicador elaborado a partir de las búsquedas en Google (tema hipotecas y departamentos en venta) (2):

(1)     y= α0+ α1 yt-1+ ε,

(2)     y= α0+ α1 yt-1+ α2 Google Trendst+ ε,

donde yt  significa créditos hipotecarios / cantidad de escrituras de compraventa, y Google Trends representa los indicadores de hipotecas / venta de departamentos. Para el primer caso, la inclusión del indicador Google Trends reduce el error de pronóstico (medido por el error cuadrático medio) en un 1%. A su vez, cuando estudiamos el efecto sobre la cantidad de escrituras, la mejora en capacidad predictiva es del 10%4.

Créditos en UVA

Un fenómeno que vale la pena estudiar es el de los préstamos denominados en Unidades de Valor Adquisitivo (UVA). En los últimos meses, aproximadamente el 70% de los nuevos créditos hipotecarios están denominados en UVA. Este hecho puede también observarse en el interés relativo de dicho término en Google Trends, tal como muestra el Gráfico 5.

gráfico-5Blanco

En principio ambas series se mueven de manera sincronizada (de hecho, tienen un coeficiente de correlación superior al 0.9). Dado que las series son relativamente cortas, estudiar la anticipación temporal de una sobre la otra no arrojaría resultados significativos. No obstante, a medida que se disponga de más historia, será posible un análisis más detallado.

Pasos siguientes

Internet nos abre un gran abanico de posibilidades para complementar el análisis y seguimiento de diversos actores en diferentes mercados. Incluso desde un punto de vista normativo, nos permite anticipar ciertos desarrollos y mejorar los modelos que actualmente se usan. Un desafío pendiente es direccionar estas herramientas para el estudio del mercado laboral.

Emilio Blanco


Referencias

Agnello, L. y Schuknecht, L. (2009). “Booms and Busts in Housing Markets Determinants and Implications”. ECB Working Paper Series No. 1071.

Askitas, N., y Zimmermann, K. (2011). “Detecting Mortgage Delinquencies”. IZA Discussion Paper No. 5895, 2011.

Ayub, P y Raffin, M. (2017). “Créditos Hipotecarios UVA: ¿Es un instrumento que puede ampliar el acceso a la vivienda?”. En Ideas de Peso del BCRA.

Coble, D. y Pincheira, P. (2017). “Nowcasting Building Permits with Google Trends”. MPRA Paper No. 76514.

Dabusti, F. (2017). “Préstamos con UVA: el alargamiento de plazos se hace más importante”. En Ideas de Peso del BCRA.

Tefft, N. (2011): “Insights on unemployment, unemployment insurance, and mental health”. Journal of Health Economics 30:2 258–264.

1 Causalidad en sentido de Granger. Una aclaración que debe realizarse es que la causalidad en el sentido de Granger mide simplemente la capacidad de una serie de tiempo (con sus lags y leads) en anticipar a otra. No impone o específica causalidad en un sentido más amplio del término.
2 A diferencia de una búsqueda por términos, cuyo foco está puesto en palabras específicas, los temas son conceptos mucho más amplios que concatenan términos similares. Esta metodología es útil cuando los resultados individuales de algún término arrojan volúmenes muy bajos.
3 Como paso previo a trabajar con los datos, tanto los obtenidos a partir de la exploración de hipoteca por tema como datos de créditos hipotecarios, los estandarizamos por media y varianza.
4 Pronóstico a un paso fuera de la muestra (out-of-sample) para el período 2015m1-2017m3 (muestra rolling) para los diferentes modelos, donde el i surge de los resultados de la anticipación temporal.