¿Cómo evolucionará el precio de la vivienda en las provincias españolas en 2021?
CaixaBank Research ha desarrollado unos nuevos modelos de previsión del precio de la vivienda a nivel provincial usando grandes cantidades de información (big data) y aplicando técnicas de machine learning. Según estos modelos, el precio de la vivienda disminuirá en 7 de cada 10 provincias españolas en 2021 y crecerá de forma muy moderada en el resto. Comparando las previsiones actuales con las que proyectaban los modelos antes de la pandemia, observamos una notable corrección del crecimiento previsto en el precio de la vivienda a un año vista, de unos 4 p. p. en promedio. Dicha corrección ha sido más acusada en las provincias con una mayor concentración urbana y una mayor dependencia del turismo extranjero, aunque, a pesar de ello, estas zonas siguen siendo las más dinámicas.
En este artículo analizamos las previsiones del precio de la vivienda para 2021 a nivel provincial, obtenidas a partir de los modelos de aprendizaje automático de la nueva herramienta de big data inmobiliario de CaixaBank. Esta herramienta combina los millones de datos internos de CaixaBank con fuentes externas de datos contrastados. Esto permite aplicar algoritmos de machine learning, que mejoran las previsiones a medida que se va contando con más información. Para entrenar los modelos, se han usado las series históricas del precio de la vivienda del Ministerio de Transporte, Movilidad y Agenda Urbana, basado en tasaciones de viviendas libres. La mayor parte de estos datos proviene de tasaciones de viviendas con más de 5 años de antigüedad, de modo que las previsiones del precio de la vivienda que presentamos en este artículo reflejan en gran medida la evolución del mercado de la vivienda de segunda mano.
El mercado inmobiliario español ha experimentado un fuerte ajuste de las expectativas sobre la evolución del precio de la vivienda como consecuencia de la COVID-19. Si comparamos la distribución de los precios de la vivienda proyectada por los modelos hace un año (octubre de 2019) con las proyecciones más recientes (octubre de 2020), observamos un desplazamiento de la distribución de precios a la izquierda. Es decir, los modelos proyectan en la actualidad unos precios de la vivienda significativamente inferiores a los proyectados hace un año.
En concreto, en octubre de 2019, los modelos predecían un aumento del precio de la vivienda a un año vista en prácticamente todas las provincias, y un aumento promedio del 3,5%. Las mayores subidas se esperaban en las provincias de Valencia (+7,4%), Navarra (+6,5%), Zaragoza (+6,5%) y Madrid (+6,4%). Y solamente se preveían descensos en cuatro provincias: Ciudad Real (–1,4%), Zamora (–1,3%), Palencia (–0,8%) y Ávila (–0,3%).
mientras que hace un año se preveía un aumento en 9 de cada 10 provincias, en la actualidad se espera un descenso en 7 de cada 10.
La previsión de los modelos en octubre de 2020 es que el precio de la vivienda a un año vista baje en 7 de cada 10 provincias. Sin embargo, los modelos todavía proyectan incrementos de precios, si bien mucho más moderados que hace un año, en casi un tercio de las provincias, entre las cuales destacan Málaga (+2,0%) y Madrid (+0,8%).
Resulta evidente, por tanto, que el ajuste de previsiones a la baja en el último año ha sido generalizado y muy significativo. En particular, la previsión del crecimiento del precio de la vivienda a un año vista se ha revisado a la baja en unos 4 p. p. entre octubre de 2019 y octubre de 2020.
El mayor ajuste de previsiones entre octubre de 2019 y octubre de 2020 se ha producido en las provincias urbanas.1 Mientras que hace un año los modelos predecían una revalorización de la vivienda del 5% en promedio a un año vista en las provincias urbanas, actualmente predicen un ligero descenso de los precios entre el 3T 2020 y el 3T 2021 (–0,2% en promedio). En cambio, las provincias rurales han sufrido un ajuste significativamente inferior en las proyecciones del precio de la vivienda (unos 3 p. p. en el último año). No obstante, al ser mercados inmobiliarios que ya eran mucho menos dinámicos antes de la pandemia (hace un año se proyectaba un incremento del precio de la vivienda del 1,2% en promedio en las provincias rurales), el cambio de expectativas ha llevado a proyectar descensos notables en los precios de la vivienda en la mayor parte de las zonas rurales (del –2,0% en promedio entre el 3T 2020 y el 3T 2021).
Se observa un patrón similar si dividimos las provincias en dos grupos según su grado de dependencia del turismo extranjero. En concreto, consideramos que una provincia depende del turismo extranjero si más de un 10% del gasto en TPV (terminales de punto de venta) de CaixaBank en la provincia en 2019 se realizó con tarjetas extranjeras.2 Tras hacer la división, encontramos que la previsión del precio de la vivienda en las provincias dependientes del turismo se ha ajustado notablemente en el último año: de un crecimiento promedio a un año vista del 4,7% previsto en octubre de 2019 al –0,4% previsto actualmente. En cambio, las provincias con menor dependencia del turismo han experimentado un menor reajuste de las expectativas sobre la evolución del precio de la vivienda a un año vista aunque aún son las provincias en las que se espera un mayor descenso de precios en el próximo año.
- 1. Una provincia se considera rural si más del 50% de su población vive en municipios rurales (municipios de menos de 30.000 habitantes o bien municipios cuya densidad de población es inferior a 100 habitantes/km2). Una provincia se considera urbana si menos del 15% de la población vive en municipios rurales. El resto de las provincias se consideran intermedias.
- 2. Las provincias dependientes del turismo extranjero según este criterio son Alicante, Baleares, Barcelona, Girona, Las Palmas, Málaga, Santa Cruz de Tenerife y Tarragona.
es donde se ha producido un mayor ajuste de expectativas pero, a pesar
de ello, siguen siendo las más dinámicas
La provincia de Barcelona y la Comunidad de Madrid concentran una gran parte de la actividad inmobiliaria y, por ello, es importante analizarlas con mayor detalle. En el siguiente gráfico observamos la evolución del precio de la vivienda desde 2005, junto con las previsiones del modelo en octubre de 2019 y en octubre de 2020. La corrección resulta evidente, tal y como resumimos a continuación:
- En la provincia de Barcelona: en octubre de 2019 se esperaba un incremento del precio del 5,5%. Actualmente, el modelo predice un descenso en el precio a 1 año vista del 1,1%. Por tanto, el ajuste de expectativas ha sido importante (6,6 p. p.).
- En la Comunidad de Madrid: en octubre de 2019 se esperaba un incremento del precio del 6,4%. Actualmente, el modelo predice un aumento muy moderado en el precio a 1 año vista, del 0,8%. Por tanto, el ajuste de expectativas ha sido algo inferior al de Barcelona pero también significativo (5,6 p. p.).
Finalmente, resulta interesante observar la evolución de las previsiones mes a mes, para advertir cómo el modelo va aprendiendo y recalibrando la previsión a medida que llega nueva información. En el siguiente gráfico se observa un primer salto en las previsiones en marzo de 2020, con la llegada de la COVID-19, y un segundo salto en junio de 2020 con la incorporación del dato del 2T 2020, que arrojó la primera caída interanual de precios de la vivienda (la variable objetivo de nuestros modelos de previsión).
Estos resultados son una muestra del elevado potencial que ofrece la combinación del big data con modelos de aprendizaje automático para predecir la evolución futura del mercado inmobiliario español. Una información especialmente relevante en un contexto como el actual, donde la elevada incertidumbre sobre la evolución de la pandemia y su impacto sobre la economía nos exige reevaluar continuamente nuestro escenario de previsiones con el fin de poder tomar decisiones más informadas y acertadas.