Facteurs de risque macroéconomiques

D’autres variables, qui sont quant à eux des variables macroéconomiques, ont également une influence sur l’évaluation immobilière. Certaines de ces variables ont une influence directe sur les flux monétaires alors que d’autres ont plutôt une influence indirecte sur le taux de capitalisation, sur la prime de risque immobilière, sur le taux de rendement exigé (𝑘𝑘𝑢𝑢) ainsi que sur le taux de croissance (𝑔𝑔̅).

Très peu de variables macroéconomiques ont un impact direct sur le taux de rendement exigé (𝑘𝑘𝑢𝑢) et sur le taux de croissance (𝑔𝑔̅). Cependant, il existe une multitude de facteurs

macroéconomiques qui peuvent influencer ces variables, ayant donc un impact indirect sur

𝑘𝑘𝑢𝑢 et 𝑔𝑔̅. Ces facteurs sont souvent intégrés dans des modèles de régression multiple en tant

que variables explicatives de la variable influencée. Par exemple, il se peut que le taux de rendement exigé (𝑘𝑘𝑢𝑢) soit influencé par le taux d’intérêt sans risque et par une prime de

risque liée aux actifs immobiliers. Ainsi, le taux d’intérêt sans risque et la prime de risque immobilière seraient deux facteurs de risque macroéconomiques qui pourraient être des variables explicatives du taux de rendement exigé.

La littérature portant sur les facteurs de risque pouvant influencer l’évaluation immobilière englobe énormément de facteurs macroéconomiques. L’énumération de l’ensemble des facteurs macroéconomiques pouvant avoir une influence sur l’évaluation immobilière dépasse largement l’objectif du mémoire. Cependant, nous vous présentons les facteurs qui, selon notre opinion, semblent faire consensus dans la littérature.

3.2.2.1 Taux d’inflation

L’inflation est un facteur de risque important pour l’investissement immobilier, puisqu’elle influence le prix des actifs. Toutefois, elle peut également influencer les flux monétaires générés par les actifs.

L’inflation aura un effet sur les flux monétaires des immeubles dont les loyers sont indexés à l’inflation annuelle ou à un pourcentage de l’inflation annuelle. Pour de tels loyers, une baisse du taux d’inflation viendra ralentir la croissance des loyers. Cependant, il existe d’autres types de loyers qui ne sont pas indexés à l’inflation. Par exemple, il existe des loyers indexés à un taux fixe, des loyers indexés au niveau des loyers au marché (rental market value) et des loyers qui ne sont pas indexés, pour n’en nommer que quelques-uns. En ce qui concerne l’influence de l’inflation sur l’évaluation immobilière, plusieurs auteurs ont utilisé le taux d’inflation en tant que variable explicative de leur modèle. Sivitanides et al. (2001) et Elliehausen et Nichols (2012) incluent respectivement l’inflation annuelle et la variation de l’indice des prix à la consommation (IPC) dans leur modèle du taux de capitalisation. Plakandaras et al. (2015) inclut également l’inflation dans son modèle du prix des maisons, alors que Ling et Naranjo (1997) incluent l’inflation non anticipée et la variation de l’inflation anticipée dans leur modèle des rendements immobiliers.

Une section portant sur différents modèles de prévision utilisés dans la littérature pour modéliser le taux d’inflation et la variation de l’IPC est présentée à la section 10 de l’annexe 1.

3.2.2.2 Taux d’intérêt

Premièrement, le taux d’intérêt peut influencer les flux monétaires générés par les actifs. En effet, le taux d’intérêt hypothécaire affecte les flux monétaires des actifs détenus avec de la dette (effet de levier). Les flux monétaires générés par ces actifs diminueraient à la suite d’une hausse des taux d’intérêt, puisque les dépenses d’intérêt augmenteraient. Les immeubles détenus à 100% par l’équité ne verraient pas leurs flux monétaires affectés par une hausse des taux d’intérêt puisqu’aucune dépense ni aucun revenu ne serait directement lié au taux d’intérêt.

Le taux d’intérêt est également un facteur de risque important en raison de son influence sur les taux de capitalisation et sur le taux de rendement exigé. Plusieurs auteurs ont établi leurs modèles en y incluant une variable des taux d’intérêt. Le consensus général voulant que si les taux d’intérêt augmentent, les taux de capitalisation et les taux de rendement exigés aient aussi tendance à augmenter, baissant ainsi les valeurs des immeubles.

Cependant, tous les auteurs n’utiliseront pas le même taux d’intérêt. Certains utiliseront le taux des obligations gouvernementales à court terme (considéré comme le taux sans risque) alors que d’autres utiliseront le taux des obligations gouvernementales à long terme.

3.2.2.2.1 Taux sans risque

En général, les auteurs utilisent le taux des bons du Trésor à court terme, soit de 3 à 6 mois, pour le taux sans risque. Hoesli, Jani et Bender (2005) utilisent le taux sans risque afin de modéliser le taux de rendement exigé, tout comme Plakandaras et al. (2015) et Ling et

Naranjo (1997) qui l’incluent dans leur modèle du prix des maisons et du rendement immobilier, respectivement.

Une section portant sur différents modèles de prévision utilisés dans la littérature pour modéliser le taux sans risque est présentée à la section 3 de l’annexe 1.

3.2.2.2.2 Taux des obligations gouvernementales 10 ans

Certains auteurs utilisent également les taux des obligations gouvernementales à plus long terme afin de modéliser leurs variables immobilières. Généralement, les auteurs utilisent les taux du gouvernement 10 ans. C’est le cas de Sivitanides et al. (2001) et Elliehausen et Nichols (2012) qui utilisent les taux du gouvernement 10 ans dans la modélisation du taux de capitalisation. Plakandaras et al. (2015) utilisent également les taux à long terme du gouvernement dans leur modèle du prix des maisons.

Bien qu’ils n’utilisent pas directement le taux du gouvernement à long terme, Ling et Naranjo (1997) utilisent la prime de la structure à terme des taux, soit la différence entre les taux du gouvernement 10 ans et les taux des bons du Trésor 3 mois, afin de modéliser les rendements immobiliers.

Bien que le lien entre le taux d’intérêt et les taux de capitalisation soit évident dans la littérature, cette relation demeure théorique, car dans la pratique, cette relation n’est pas aussi évidente. Comme l’a indiqué Clayton (2014) dans sa présentation à la convention NCREIF à l’été 2014, depuis les 20 dernières années, lorsque les taux d’intérêt ont subi des hausses substantielles, les taux de capitalisation sont demeurés relativement stables. De plus, Storey (2016) mentionne que contrairement aux taux d’intérêt, les taux de capitalisation varient d’un type de propriétés à un autre et d’un endroit à un autre. L’auteur mentionne que la région géographique, le type de propriété et les économies locales ont une grande influence sur les taux de capitalisation et que même si les taux d’intérêt jouent un rôle majeur dans l’estimation de ceux-ci, d’autres facteurs comme l’offre et la demande, l’inflation, le chômage, les déplacements de capitaux et l’appétit pour le risque ont aussi une influence sur eux. Le risque de marché pouvant faire varier défavorablement les taux de capitalisation ne dépend donc pas uniquement des taux d’intérêt, mais de plusieurs autres choses, ce qui rend la gestion de l’incertitude encore plus complexe.

Une section portant sur différents modèles de prévision utilisés dans la littérature pour modéliser le taux des obligations gouvernementales 10 ans est présentée à la section 11 de l’annexe 1.

3.2.2.3 Variables liées au risque de crédit

Puisque le risque de crédit fait partie de l’investissement dans la classe d’actifs immobiliers, plusieurs auteurs incluent des variables approximatives (proxy) du risque de crédit à leur modèle. Elliehausen et Nichols (2012) inclut les taux des obligations corporatives AAA à leur modèle du taux de capitalisation. De plus, les auteurs incluent également une prime de risque de crédit à leur modèle, qu’ils approximent (proxy) par l’écart entre les taux des obligations corporatives Baa et les taux des obligations corporatives Aaa. D’autres auteurs ont également inclus une prime de risque de crédit à

leur modèle. Jud et Winkler (1995) incluent l’écart de crédit (debt spread), soit la différence entre le taux de la dette risquée et le taux sans risque, dans leur modèle du taux de capitalisation. Ling et Naranjo (1997), quant à eux, utilisent la prime de défaut liée aux obligations corporatives, soit l’écart entre les taux des obligations corporatives Baa et les taux du gouvernement à long terme (Baa-T), pour modéliser les rendements immobiliers. Deux sections portant sur différents modèles de prévision utilisés dans la littérature pour modéliser le taux des obligations corporatives AAA et l’écart de crédit Baa-Aaa sont présentées aux sections 12 et 13 de l’annexe 1, respectivement.

3.2.2.4 Variables liées au marché boursier

Quelques auteurs ont inclus différentes variables liées à la performance du marché boursier dans leurs modèles. Le consensus général voulant que la performance du marché boursier reflète la performance de l’économie en général, et donc reflète la performance de la classe d’actifs immobiliers. Si le marché boursier d’un pays est dans un cycle haussier (bull market), il est fort probable que ce pays soit en période d’expansion économique, ce qui affecterait positivement les prix des actifs immobiliers.

3.2.2.4.1 Variation et rendements de l’indice boursier

Elliehausen et Nichols (2012) utilisent la variation de l’indice S&P500 dans la modélisation du taux de capitalisation. La section 14 de l’annexe 1 couvre différents modèles de prévision du rendement des indices boursiers.

3.2.2.4.2 Prime de risque de marché

Ling et Naranjo (1997) utilisent le rendement excédentaire du portefeuille pondéré par la valeur (value-weighted) composé des indices NYSE, AMEX et NASDAQ dans leur modèle des rendements immobiliers. Le rendement excédentaire se calcule en soustrayant

le taux des bons du trésor 3 mois au rendement réalisé du marché.

Certains auteurs utilisent d’ailleurs le rendement excédentaire du marché comme mesure de la prime de risque de marché (equity risk premium), qu’ils insèrent ensuite dans leur modèle. C’est le cas de Jud et Winkler (1995) qui utilisent le rendement excédentaire en tant qu’equity spread dans leur modèle du taux de capitalisation.

La section 15 de l’annexe 1 couvre différents modèles de prévision de la prime de risque de marché.

3.2.2.4.3 Bénéfice sur cours (Earnings/Price) et Rendement en dividende (Dividend yield)

Evans (1990) utilise le ratio bénéfice sur cours �𝐸𝐸𝑎𝑎𝐸𝐸𝑛𝑛𝑖𝑖𝑛𝑛𝑔𝑔𝐸𝐸_{𝑃𝑃𝐸𝐸𝑖𝑖𝑃𝑃𝑃𝑃} � de l’indice S&P500 dans son modèle du taux de capitalisation. Ling et Naranjo (1997) et Hendershott et MacGregor (2005) utilisent plutôt le rendement en dividende (dividend yield) dans leur modèle des rendements et du taux de capitalisation, respectivement.

3.2.2.5 Indices immobiliers

Plusieurs auteurs insèrent la variation, le rendement ou même le niveau d’un indice immobilier dans leur modèle. Nous traiterons de deux types d’indices immobiliers utilisés

par les auteurs de la littérature : les indices du prix des actifs et les indices du niveau des loyers.

3.2.2.5.1 Indices des prix des actifs

Les indices des prix utilisés mesurent l’évolution des prix des maisons ou l’évolution des prix des immeubles commerciaux, dépendamment quel type d’indice l’auteur privilégie. Les indices immobiliers portant sur les immeubles commerciaux, résidentiels et sur les maisons unifamiliales ont une fréquence de variation très basse. Cette fréquence relativement basse des variations des indices est due à la très basse fréquence des transactions dans le marché immobilier et à la basse fréquence de l’évaluation des actifs immobiliers. Pour les indices basés sur l’évaluation des actifs (appraisal-based value indexes), les valeurs des immeubles sont évaluées par les analystes et non pas enregistrées suite à une transaction. Ces indices sont donc plus stables que les autres types d’indices. Par exemple, tel qu’indiqué par Fisher, Geltner et Webb (1994), l’indice trimestriel Russell-NCREIF présente beaucoup moins de volatilité que des indices de valeur au marché (market value indices) d’autres classes d’actifs. Les auteurs expliquent qu’en combinant des valeurs récentes provenant de la méthode de transactions comparables (comparable sales method) avec des valeurs d’évaluation passées pour établir la valeur d’un immeuble, l’indice va lisser (smoothing) à travers le temps les valeurs provenant de transactions dans les valeurs d’évaluation. De plus, les auteurs mentionnent qu’avec de tels indices, où les actifs sont évalués à différents moments durant chaque trimestre, les valeurs seront regroupées en moyenne afin d’estimer la valeur pour ce trimestre, ce qui fait que la valeur de l’indice devient une moyenne mobile de valeurs ‘’spot’’, ajoutant une autre source de lissage dans la construction de l’indice. Afin de contrer le phénomène de ‘’smoothing’’, les auteurs utilisent différents modèles de délissage (unsmoothing), dont le modèle d’autocorrélation d’ordre 1 proposé par Geltner (1993). Une explication détaillée du délissage (unsmoothing) et du modèle de Geltner (1993) sera présentée dans la méthodologie à la section 5.4.3.1.

Elliehausen et Nichols (2012) insèrent la variation de l’indice du prix des maisons dans leur modèle du taux de capitalisation. Peng (2013) fait de même, mais prend plutôt la variation décalée (lagged) de l’indice, où le décalage correspond à un trimestre. Plakandaras et al. (2015) estiment le prix réel des maisons (real house prices) à partir d’un indice du prix des maisons aux États-Unis et l’incluent à leur modèle du prix (nominal) des maisons. Finalement, Ling et Naranjo (1997) estiment le rendement trimestriel (quarterly income yield) de l’indice immobilier commercial total NCREIF index et l’intègrent à leur modèle des rendements immobiliers commerciaux.

La section 2 de l’annexe 1 couvre différents modèles de prévision de l’indice du prix des maisons.

3.2.2.5.2 Indices du niveau des loyers

Afin de modéliser le taux de capitalisation,Sivitanides et al. (2001) incluent le niveau de l’indice des loyers réels par région métropolitaine (MSA) ainsi que la variation annuelle en pourcentage de celui-ci.

3.2.2.6 Taux de chômage et taux d’emploi

Finalement, certains auteurs ont inclus des variables relatives à la situation de l’emploi dans leurs modèles. Le consensus général voulant qu’un marché où le taux de chômage est en forte baisse corresponde fort probablement à un marché en période d’expansion économique, ce qui contribuera à la croissance des prix du marché immobilier. D’ailleurs, Plakandaras et al. (2015) incluent le taux de chômage à leur modèle du prix des maisons. De plus, McDonald et Dermisi (2009) et McDonald et Dermisi (2008) incluent la variation du taux d’emploi du secteur financier dans leurs modèles respectifs du taux de capitalisation et du taux de rendement exigé pour les immeubles à bureaux du centre-ville de Chicago. Les auteurs stipulent qu’une telle variable est pertinente dans ce contexte puisque les principaux facteurs influençant les flux monétaires de l’immeuble sont les caractéristiques principales de l’immeuble, le taux d’occupation actuel et le taux d’emploi dans le secteur financier.