Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020

La page est créée Thierry Klein
 
CONTINUER À LIRE
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
iread - mai 2020

    Bulles immobilières :
    « Territoires sous surveillance »

                                                                                                   En partenariat avec
    programme de recherche placé sous l’égide
    de l’ETH Zurich, financé par IREAD

1                         Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
SOMMAIRE

Section 1.
Préparation des données. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Section 2.
Résultats de l’analyse de la dynamique des prix. . . . . . . . . . . . . . . . . . 16
Section 3.
Méthodologie de diagnostic des bulles à l’aide du modèle LPPLS . . . 20
Section 4.
Résultats du diagnostic des bulles à l’aide du modèle LPPLS . . . . . . . 23

Annexe A :
Bulles confirmées par l’analyse LPPLS par région. . . . . . . . . . . . . . . . . 27
Annexe B :
Comparaison des régions basée sur les caractéristiques
socioéconomiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2                            Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
Prof. Dr Didier Sornette
Dr. T. Kovalenko et Prof. Dr. D. Sornette 1
ETH Zurich

Points importants : Nous présentons une
analyse de la dynamique des prix de l’immobilier
résidentiel dans les 8 plus importantes
métropoles de France, basée sur le modèle                                                                Dr Tatyana Kovalenko
LPPLS (log-periodic power law singularity). Le
modèle LPPLS s’est révélé être un excellent outil
de diagnostic et de caractérisation des bulles
immobilières ainsi que des bulles financières,
fondé sur la détection d’une dynamique des                              les 8 principales régions sont résumés dans les
prix non durable. Les données brutes d’entrée                           figures A à F qui illustrent ces informations sous
sont extraites de la base de données publique                           forme de cartes de chaleur (heatmap) (voir pages
française DVF couvrant la période allant de                             suivantes). Pour chaque secteur immobilier,
janvier 2014 à juin 2019. Après plusieurs                               nous commençons par présenter des cartes du
étapes de nettoyage des données utilisées, nous                         prix moyen pour toutes les tailles des propriétés,
obtenons 1 835 782 mutations d’appartements et                          ce qui donne une vue d’ensemble (figures A et
2 389 447 mutations de maisons sur l’ensemble                           D). Dans la plupart des régions, la croissance
de la France à analyser. En nous concentrant                            moyenne observée est de niveau Faible à Moyen.
sur les 8 plus importantes métropoles (avec une                         La deuxième catégorie de cartes de chaleur met
population supérieure à 500 000 habitants), nous                        en exergue la croissance maximale du prix médian
pouvons couvrir plus de 20 % de la population                           des appartements (figure B) et maisons (figure
française (et des proportions similaires de foyers                      E), toutes tailles confondues. La décomposition
et de logements dans le pays) dans les régions                          de l’analyse des différentes catégories par le
urbaines qui continuent d’afficher une croissance                       nombre de pièces met à jour des niches de forte
plus rapide. Les 8 plus importantes métropoles                          croissance, et donc de risque potentiellement
représentent 40 % du secteur des appartements                           supérieur, dans de nombreuses régions. Enfin, le
(731 380 mutations) et 10 % du secteur des                              troisième type de carte de chaleur présente les
maisons (249 847 mutations) en nombre de                                bulles affichant la plus haute intensité dans toutes
transferts de propriété. En termes monétaires,                          les régions analysées (figures C et F). Ainsi, ces
les 8 principales métropoles représentent 57 %                          trois catégories de cartes de chaleur donnent un
des appartements et 19 % des maisons.                                   zoom graduel de la croissance globale des prix
                                                                        moyens dans les différentes régions, suivi de
Notre analyse de la dynamique du prix médian                            l’identification de points chauds dans certaines
du mètre carré pour des appartements et                                 catégories de biens, qui est ensuite complétée
maisons de différentes tailles (par nombre de                           par l’analyse de l’accélération superexponentielle
pièces) distingue trois régimes de croissance                           non durable des prix, caractéristique des bulles.
des prix : Faible (9 %, rouge). Les résultats pour                       Les principaux résultats du diagnostic des
                                                                        bulles apportent les enseignements suivants.
                                                                        Au cours de ces trois dernières années, s’agissant
1 Et l’équipe FCO au sein du département                                des appartements, les arrondissements de Paris
du Prof. D. Sornette à l’ETH Zurich                                     ont affiché une forte appréciation des prix et
                                                                        une dynamique de bulle claire de différentes
                                                                        intensités en fonction de l’arrondissement. Les
                                                                        prix des maisons à Paris et dans sa métropole
                                                                        ont augmenté pour atteindre le niveau Faible à
                                                                        Moyen. Seuls les prix des grandes maisons dans
                                                                        la Métropole du Grand Paris (Hauts-de-Seine)
                                                                        envoient un signal de bulle constant, avec un
                                                                        changement probable de régime début 2020.
                                                                        Pour Marseille, une hausse soudaine des
                                                                        prix a été observée pour les appartements de
                                                                        petites surfaces (1 et 2 pièces) au cours de

3                               Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
l’été 2019, sans réelle baisse du nombre des
transactions. Cette dynamique suggère une bulle
embryonnaire, qui doit être confirmée par les
nouvelles données à paraître en avril 2020.
Lyon et sa Métropole affichent une croissance des
prix Moyenne à Élevée, ainsi que de la volatilité
et un signal de bulle actif. Une forte baisse du
nombre des transactions a été observée en 2018,
et en particulier en 2019. Ces observations
peuvent révéler un important retard dans le
processus de reporting des données. Aussi,
tant que la nature de la chute du volume n’a
pas été confirmée, il faut se garder de toute
conclusion trop hâtive concernant cette région.
Lille et sa métropole se caractérisent par
une croissance des prix Faible dans les                               pourrait s’étendre au segment des 2 pièces
deux secteurs et pour la plupart des tailles                          qui est volatil et nécessite un suivi.
de biens. Dans ce contexte calme, seule la                            Concernant Nantes, les maisons de grandes
catégorie des appartements de 2 pièces est                            superficies ont affiché une croissance moyenne
recommandée comme étant « À suivre ».                                 annuelle de 7 % ces 3 dernières années et des
À Bordeaux, les appartements de toutes tailles                        signaux de bulles ont fait leur apparition au
ont affiché une croissance forte ces dernières                        premier semestre 2019. Les petits logements
années. Une bulle a commencé à se former                              situés dans le cœur de ville, ainsi que tous les
pour les appartements de petite taille de 1 et                        types de maisons de la Métropole de Nantes,
2 pièces, mais nous avons déjà observé le                             enregistrent également une hausse de niveau
signal d’un changement de régime. Les prix                            Moyen à Élevé, sans qu’aucun signal de bulle
des 3 pièces devraient faire l’objet d’un suivi :                     actif n’ait toutefois été observé pour le moment.
des données mises à jour sont nécessaires                             Une bulle est en train de se créer dans la ville
pour confirmer le changement de régime des                            de Nice dans le segment des appartements
bulles. Le segment des 4 pièces est analysé                           1 pièce, laissant apparaître un nouveau
comme essentiel, avec une maturité des bulles                         signal pour les 2 pièces. Néanmoins, la
alarmante et une transition en cours.                                 croissance des prix annualisée sur 3 ans
S’agissant de Toulouse, nous percevons un                             demeure à un niveau Moyen-Faible.
signal de bulles modéré concernant les plus                           Enfin, concernant l’impact du Covid-19, l’impact
petits appartements (1 pièce). La dynamique                           sera principalement dans l’inertie et l’attentisme
                                                                      des investisseurs professionnels qui vont scruter
                                                                      la lenteur de la reprise vers la normale des
                                                                      activités économiques et la normalization des flux
                                                                      financiers. Ceci procure une opportunité pour
                                                                      ceux qui ont une plus faible aversion aux risques
                                                                      et peuvent profiter d’opportunités associées à
                                                                      une paralysie psychologique générale. Le point
                                                                      essentiel reste que les taux très bas constituent
                                                                      le moteur principal de l’accession à la propriété,
                                                                      et ils vont rester encore plus bas. Il est possible
                                                                      aussi qu’un engouement pour des achats en
                                                                      province se profile pour certains des habitants
                                                                      des grandes villes, qui pourraient realiser
                                                                      l’importance d’avoir un logement avec jardin où
                                                                      l’on se sent plus “libre” en periode de confinement
                                                                      (période qui marquera les esprits à coup sûr).

4                             Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
SECTEUR DES APPARTEMENTS.

Figure A. Croissance moyenne annualisée sur
3 ans du prix médian du m2 des appartements
de différentes tailles pour chaque région.

5                           Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
Figure B. Croissance maximale annualisée sur
3 ans du prix médian du m2 des appartements
de différentes tailles pour chaque région. La taille
(nombre de pièces) pour laquelle la croissance
a été la plus forte est indiquée sur les cartes.

6                                 Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
Figure C. État maximal de la bulle, identifié par
l’analyse LPPLS concernant les appartements
de différentes tailles pour chaque région. La taille
(nombre de pièces) pour laquelle la croissance
a été la plus forte est indiquée sur les cartes.

7                                Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
SECTEUR DES MAISONS.

Figure D. Croissance moyenne annualisée
sur 3 ans du prix médian du m2 des maisons
de différentes tailles pour chaque région.

8                            Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
Figure E. Croissance maximale annualisée sur
3 ans du prix médian du m2 des maisons de
différentes tailles pour chaque région. La taille
(nombre de pièces) pour laquelle la croissance
a été la plus forte est indiquée sur les cartes.

9                                Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Bulles immobilières : " Territoires sous surveillance " - iread - mai 2020
Figure F. État maximal de la bulle, identifié
par l’analyse LPPLS, concernant les maisons de
différentes tailles pour chaque région. La taille
(nombre de pièces) pour laquelle la croissance
a été la plus forte est indiquée sur les cartes.

10                              Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
BASE DE L’ÉTUDE

Cette étude repose sur la méthodologie
développée au Real Estate Observatory
de l’ETH Zurich1 , qui vise à identifier les
bulles immobilières, prévoir les points
de bascule et fournir des indicateurs
précoces de ces événements.

L’étude poursuit les objectifs suivants :
1) analyser la dynamique des prix de
l’immobilier résidentiel dans les 8 plus
grandes métropoles de France (Section 2) ;
2) identifier et caractériser les bulles
immobilières dans ces régions, en s’appuyant                              La présente étude porte sur les métropoles
sur l’analyse LPPLS (Section 4).                                          les plus peuplées, dont le nombre d’habitants
                                                                          est supérieur à 500 000. La France compte
Les données brutes d’entrée sont                                          8 métropoles répondant à cette définition.
extraites de la base de données publique                                  Ces métropoles se distinguent également
française DVF couvrant la période allant                                  comme les centres des 8 plus importantes
de 2014 au premier semestre 2019.                                         zones urbaines du pays, chacune comptant
La base de données DFV (« Demandes de                                     une population de près d’1 million ou plus4.
valeurs foncières ») contient des donnée sur les                          Premièrement, une approche focalisée sur les plus
changements de propriété (ci-après dénommés                               importantes métropoles nous permet de couvrir
mutations), y compris la valeur du bien déclarée                          de manière efficace une grande partie du marché
et d’autres caractéristiques qui proviennent                              de l’immobilier résidentiel. Les 8 plus importantes
des actes enregistrés chez les notaires et des                            métropoles se caractérisent par une forte densité
informations contenues dans le cadastre. Cette                            de population (en moyenne 2 273 habitants par
base de données couvre la France métropolitaine                           km2, soit 20 fois plus que la densité moyenne
et les DOM-TOM, à l’exception de l’Alsace-Moselle                         de l’ensemble de la France). Alors que ces zones
(Strasbourg est également exclue) et de Mayotte.                          occupent seulement 1,3 % du territoire, elles
Elle est produite et publiée par la Direction                             hébergent 21,3 % de la population (et des
Générale des Finances Publiques (DGFiP).                                  portions similaires des foyers et des logements
Les données DVF de ces 5 dernières années ont
été disponibles en open data pour la première
fois en avril 2019, conformément au décret n°
2018-1350 du 28 décembre 20182. Les données
open sont mises à jour deux fois par an. Aussi, à
la date de rédaction du présent rapport, seules
les données DVF de 2014 au premier semestre                               4 La sélection des 8 plus importantes métropoles
2019 étaient disponibles pour analyse3.                                   est soutenue par un écart démographique important
                                                                          avec les régions moins bien classées. L’Eurométropole
                                                                          de Strasbourg (classée au 9ème rang) est le centre
1 Real Estate Observatory à ETH Zurich - https://
                                                                          d’une zone urbaine qui compte 800 000 habitants
er.ethz.ch/real-estate-observatory.html
                                                                          (contre 1 million et plus pour les 8 premières). En
2 Texte original du décret - https://www.legifrance.                      fait, Strasbourg, qui fait partie de l’Alsace-Moselle, ne
gouv.fr/eli/decret/2018/12/28/CPAE1830580D/jo/texte                       figure pas dans la base de données DVF, et la région
3 Ministère de l’économie et des finances, Direction                      suivante pour laquelle des données sont disponibles
Générale des Finances Publiques (DGFiP) - Données                         abrite une population nettement moins importante
originales téléchargées sur https://www.data.gouv.                        que celle des 8 plus importantes métropoles. Les
fr/fr/datasets/demandes-de-valeurs-foncieres-                             métropoles classées en dessous du 8ème rang présentent
geolocalisees/, mise à jour du 31 octobre 2019.                           des caractéristiques démographiques plus similaires.

11                                Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
du pays)5. Les caractéristiques socioéconomiques                         et à l’étranger, générant une croissance continue.
des métropoles sélectionnées sont, à bien des                            En effet, le taux de croissance annuel moyen
égards, semblables aux indicateurs pour la France                        de la population entre 2011 et 2016 était deux
dans son ensemble (Annexe B). Par exemple, le                            fois supérieur dans les 8 principales métropoles
taux de chômage est au même niveau (14-15 %),                            (0,8 %), contre 0,4 % pour l’ensemble de la
le revenu disponible médian est légèrement                               France. Alors que les municipalités densément
supérieur pour les 8 plus grandes métropoles en                          peuplées se développent principalement en
moyenne. Sur le nombre total de logements, la                            raison d’un équilibre positif entre les naissances
part des résidences principales est également                            et les décès, la croissance des régions présentant
supérieure dans les 8 principales métropoles                             une densité moindre est principalement tirée
(88 %, contre 82 % globalement en France).                               par leur attractivité6. Une croissance plus rapide
Deuxièmement, les grandes villes sont                                    de la population stimule la demande et crée
importantes et constituent des régions                                   les conditions préalables à une hausse non
prometteuses pour la chasse aux bulles dans                              durable des prix. Curieusement, la plupart des
l’immobilier. Ce sont des centres de gravité                             métropolitains ne sont pas propriétaires de leur
économique et culturelle qui attirent la                                 logement : la part des foyers propriétaires de leur
population active en provenance des zones rurales                        résidence principale est plus faible dans les plus
                                                                         grandes métropoles (46 %) que dans le pays en
                                                                         général (58 %). Ce fait peut être lié à la mobilité
5 Institut national de la statistique et des études                      de la population et aux niveaux élevés des prix.
économiques (Insee) : RP2011 et RP2016 exploitations
principales en géographie au 01/01/2019.
Données statistiques téléchargées sur https://                           6 Institut national de la statistique et des études
www.insee.fr/fr/statistiques/zones/1405599,                              économiques, Insee - https://www.insee.fr/fr/
mise à jour du 19 septembre 2019.                                        statistiques/4277602?sommaire=4318291#consulter

12                               Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Section 1. Préparation
des données
Avant de réaliser l’analyse, les données                                est enregistré dans la base de données DVF à l’aide
DVF brutes ont été préparées en plusieurs                               de plusieurs niveaux de description imbriqués :
étapes comme expliqué ci-dessous.                                       i)	un acte notarié peut impliquer une ou
                                                                              plusieurs mutations appelées « dispositions » ;
Le nettoyage initial des données                                        ii)	chaque mutation (« disposition ») peut être
comprend les phases suivantes :                                               décrite par une observation (mutation
-	Cette étude est centrée sur le secteur                                     simple / mutations à l’unité) ou plusieurs
    résidentiel. Ainsi, seules les données                                    (mutations complexes). En particulier,
    concernant les « Appartements » et                                        on parle de mutation complexe lorsqu’un
    les « Maisons » sont analysées, tout                                      bien contient plusieurs unités taxables
    en excluant les autres types de biens                                     (notion fiscale « locaux ») ou types de
    « Type local » (dépendance (isolée), local                                surface (« nature de culture ») assujettis
    industriel et commercial ou assimilés                                     à des règles fiscales différentes ;
    et observations « Nul » non classées).                              iii)	chaque observation (enregistrement de la
-	Le diagnostic de bulles repose sur le prix                                 base de données DVF) peut correspondre
    de marché, aussi toutes les « Ventes » sont                               à un ou plusieurs lots – notion juridique
    sélectionnées, à l’exception des autres types                             immobilière qui permet d’identifier une
    figurant en « Nature Mutation » (vente en                                 partie d’un immeuble et ainsi d’y associer
    l’état futur d’achèvement, vente de terrain à                             un droit de propriété spécifique.
    bâtir, adjudication, expropriation, échange).                       La principale difficulté méthodologique est
-	De plus, les mutations de taille extrêmement                         que l’information relative au prix (la valeur
    faible sont exclues, à savoir les biens                             foncière) est indiquée à un niveau de disposition
    d’une valeur foncière < 1000 euros ou                               supérieur, tandis que d’autres caractéristiques
    les surfaces réelles bâties < 10 m2.                                du bien – surface réelle bâtie, nombre de
                                                                        pièces principales, surface terrain », etc. – sont
Sur la base des actes notariés, la base de données                      détaillées au niveau des observations et des
DVF contient des données abondantes de haute                            champs de données individuels (pour les lots).
qualité en termes de précision, d’exhaustivité                          L’interprétation des mutations simples avec
et d’uniformité. Dans le même temps, une                                une observation est aisée, car le prix et les
évaluation de la validité des données pour                              caractéristiques du bien enregistrés correspondent
l’analyse des prix du marché nécessite une bonne                        à chacun de manière univoque. À l’inverse, pour
compréhension de sa structure. En particulier, aux                      les mutations complexes, une reconstruction
fins de taxation, chaque changement de propriété                        sans équivoque des caractéristiques d’un bien

                  TABLEAU 1. MUTATIONS SIMPLES ET COMPLEXES DANS LES DONNÉES DVF.

                                                       Complexité des mutations (« dispositions ») :
                                                                           simple                            complexe
                                           total
                                                                       (1 observation)                   (+2 observations)

                                                                                         3 574 480                     636 512
                   Nombre de
                                             4 210 992
                    mutations
                                                                                            84,88 %                    15,12 %
 FRANCE total
                      Valeur                                                   719 306 055 908                 203 851 786 106
                   monétaire,       923 157 842 014
                    en euros                                                                 77,92 %                   22,08 %

                                                                                            914 986                     64 074
                   Nombre de
                                                979 060
                    mutations
 Dont 8 plus                                                                                93,46 %                     6,54 %
 grandes
 métropoles           Valeur                                                   274 338 709 386                  55 318 590 410
                   monétaire,       329 657 299 796
                    en euros                                                                83,22 %                    16,78 %

13                              Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
TABLEAU 2. DONNÉES DVF APRÈS LES DIFFÉRENTES ÉTAPES DE NETTOYAGE

                                                               Nombre de mutations                                        Valeur monétaire, en euros

                                                       Appartement                       Maison                       Appartement             Maison

                                                                1 835 782                    2 389 447                  413 703 187 451       521 752 306 565
FRANCE total
                                                                      100 %                        100 %                         100 %                 100 %

                                                                   731 380                      249 847                 237 136 105 681        97 170 513 740
Dont 8 plus grandes métropoles :
                                                                       40 %                          10 %                           57 %                19 %

1     Paris (1 à 20 arrondissements)                               169 199                            886               98 525 246 750          2 261 139 276

      Grand Paris : Hauts-de-Seine                                  96 955                        17 004                38 652 554 202         13 681 798 923

      Grand Paris : Seine-Saint-Denis                                49 138                       24 993                10 822 159 437          8 447 620 343

      Grand Paris : Val-de-Marne                                     67 219                       25 867                 18 412 294 381        11 717 328 090

2     Marseille (1 à 16 arrondissements)                            52 899                         8 420                 9 409 024 560          3 614 216 860

      Métropole d’Aix-Marseille-Provence                            29 988                        29 197                 6 218 505 463         10 568 562 946

3     Lyon (1 à 9 arrondissements)                                  34 482                            929                 8 915 759 301          585 907 327

      Métropole de Lyon                                             34 009                        14 261                  7 394 951 764         6 318 485 049

4     Lille                                                          16 084                         5 972                2 984 466 222          1 386 212 252

      Métropole Européenne de Lille                                  14 304                       47 110                 2 257 647 785         10 975 825 762

5     Bordeaux                                                       21 844                         6 879                5 516 806 301          3 217 116 866

      Bordeaux Métropole                                             17 025                        21 137                 2 916 369 518         7 077 321 763

6     Toulouse                                                       36 915                        6 665                 6 426 003 549          2 555 397 848

      Toulouse Métropole                                              8 588                       10 806                  1 401 043 117         3 286 686 434

7     Nantes                                                         23 583                        6 964                  4 101 101 274         2 624 222 730

      Nantes Métropole                                                8 722                       16 618                 1 366 522 235          4 445 780 718

8     Nice                                                           37 272                         1 592                 8 575 144 318         1 070 776 049

      Métropole Nice Côte d’Azur                                     13 154                         4 547                3 240 505 504          3 336 114 504

              à partir de plusieurs observations au niveau                           1). Ainsi, comme les mutations complexes
              des dispositions s’avère difficile. Les choses                         concernent des transferts de biens plus
              sont encore plus compliquées du fait que la                            importants (et plus onéreux), leur exclusion
              correspondance entre les lots et les unités                            du jeu de données pourrait biaiser l’analyse en
              taxables (les locaux) n’est pas tracée et que                          faveur des segments inférieurs du marché.
              les informations fiscales (Article CGI) sont
              exclues des donnée open DVF. Bien que les                              Le nettoyage des données relatives
              mutations complexes représentent environ                               aux transactions complexes
              15 % seulement de l’ensemble des mutations                             comprend les phases suivantes :
              en France, elles pèsent pour plus de 22 % du                           -	Dédoublonnage. Pour chaque mutation, les
              montant total des transactions. Concernant                                 observations identiques sont éliminées.
              les 8 plus grandes métropoles, la différence                           -	Agrégation des caractéristiques des
              est même plus importante – les mutations                                   biens – surface réelle bâtie, nombre de
              complexes représentent 6,5 % de l’ensemble                                 pièces principales – des unités taxables
              des mutations, mais elles contribuent à                                    (les locaux) au niveau de la mutation
              presque 17 % du volume monétaire (tableau                                  (disposition). Cette transformation est

              14                             Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
caractéristique des appartements.
-	Dédoublonnage des observations présentant
   des caractéristiques de biens agrégées
   (obtenues à l’étape précédente), si elles
   sont répétées pour plusieurs types de                              i) Pour les appartements :
   terrains (code nature culture) au sein                             -	dans la plupart des régions — 4 catégories
   d’une mutation. Cette transformation                                   (1 pièce / 2 pièces / 3pièces / + 4 pièces) ;
   est caractéristique des maisons.                                   -	dans Toulouse Métropole et Nantes
                                                                          Métropole — 3 catégories (1 ou
Le jeu de données à analyser, après toutes les                            2 pièces / 3 pièces / +4 pièces) ;
étapes de nettoyage, contient 1 835 782 mutations                     -	pour les arrondissements de Paris (1 à 20)
d’appartements et 2 389 447 mutations de                                  — 2 catégories (1 ou 2 pièces / +3 pièces) ;
maisons pour la France entière. Cette étude est                       ii) Pour les maisons :
centrée sur les 8 plus importantes métropoles                         -	dans la plupart des régions — 3 catégories
en France, qui représentent 40 % du secteur                               (1, 2 ou 3 pièces / 4 pièces / + 4 pièces) ;
des appartements (731 380 mutations) et 10 %                          -	à Paris, Lyon et Nice — 1 catégorie
du secteur des maisons (249 847 mutations)                                (+1 pièce, c’est-à-dire que toutes
en nombre de transferts de propriété. En                                  les maisons sont agrégées).
termes monétaires, les 8 plus importantes
métropoles représentent 57 % des appartements                         En conclusion, une remarque importante
et 19 % des maisons (tableau 2).                                      concernant la qualité des données doit être faite.
                                                                      Le principal problème de la base de données
En règle générale, l’analyse est effectuée                            DVF est son caractère incomplet en raison du
séparément pour les métropoles et pour les                            retard dans l’envoi des informations relatives aux
villes principales. De plus, la métropole de                          mutations de biens au cours de la période la plus
Paris (Grand Paris) est divisée en trois pôles :                      récente (1 ou 2 dernières années). Pour 2018-
Hauts-de-Seine, Seine-Saint-Denis et Val-de-                          2019, une baisse du nombre de transactions est
Marne. Concernant le secteur des appartements                         clairement observée dans un grand nombre de
à Paris, la dynamique des prix est analysée                           séries temporelles (voir par exemple pour Lyon,
au niveau des arrondissements (1 à 20).                               la Métropole de Lyon, la Métropole de Marseille),
                                                                      ce qui pose un réel problème pour l’analyse
Comme la dynamique des prix relative aux                              des prix et, en particulier, leurs prévisions.
biens de petites et de grandes surfaces peut                          Notamment lorsque le volume des transactions
varier fortement, cette étude distingue des                           au moment de l’analyse accuse une baisse et
locaux de différentes tailles. L’agrégation en                        que les prix s’inscrivent en hausse, alors la
groupes plus importants pour certaines régions                        prévision de bulle peut devenir « myope ». Dans
et catégories est nécessaire en présence d’un                         ce cas, la date prévue du point de basculement
faible nombre de transactions disponible.                             de la bulle peut être estimée avec un biais
                                                                      vers une prédiction à court terme. Aussi, il est
Enfin, des séries temporelles de prix médian                          recommandé d’utiliser les diagnostics de bulles
mensuel au mètre carré (m2) pour les                                  comme un indicateur relatif de la dynamique
catégories suivantes sont analysées :                                 des prix actuelle. Il est important de suivre
                                                                      l’analyse des bulles après la première mise à
                                                                      jour de la base de données DVF (semestrielle, en
                                                                      avril et octobre) pour confirmer les tendances
                                                                      et le développement de la situation des bulles.

15                            Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Section 2. Résultats
de l’analyse de la
dynamique des prix
Une analyse générale de la dynamique du prix
médian du m2 des 8 plus importantes métropoles
dans les deux types de logements (appartements
et maisons) de toutes tailles permet d’identifier
de manière empirique les différents régimes de
croissance et les signes de formation de bulles.

Nous obtenons des points de classement                                 Figure 1. Point principal : Distribution cumulée
empirique (fonction de distribution cumulée                            complémentaire en fonction (point de classement normalisé
complémentaire) du taux de croissance annualisé                        ou point Zipf) du taux de croissance annualisé sur 3 ans
sur 3 ans du prix médian du m2 (figure 1)                              du prix médian du m2 pour les appartements (rond) et les
pour les appartements (rond) et les maisons                            maisons (triangle) de différentes tailles dans les 8 principales
(triangle). Pour obtenir la figure 1, nous avons                       zones en France. Cette distribution est réalisée pour
calculé le taux de croissance dans chaque région                       l’ensemble des régions et des types d’appartements (ou
et pour chaque type de bien séparément. Cela                           de maisons). Pour chaque type de bien (appartement ou
nous donne un ensemble de taux de croissance                           maison), la ligne continue suit une loi exponentielle dans
pour toutes les régions et toutes les tailles de                       laquelle R2 est maximum pour le segment de croissance
biens (nous distinguons les appartements et                            Moyen-Élevé (taux de croissance >5 %). Insert : Zoom
les maisons). Nous classons alors les taux de                          sur le segment de croissance Élevé (taux de croissance
croissance des plus élevés aux plus faibles, en                        >9 %) dans l’échelle log-log, dont l’approximation est
plaçant leur rang sur l’axe des ordonnés en                            améliorée par une loi de puissance, tempérée ici par un
fonction de la valeur correspondante du taux de                        ajustement linéaire dans la représentation log-log.
croissance pour ce rang sur l’axe des abscisses.

La forme de cette distribution peut informer sur
les mécanismes sous-jacents et sur les processus
de contrôle de la dynamique des prix. Trois
régimes de croissance des prix peuvent être
identifiés : Faible (9 %, zone rouge).

Pour les lecteurs présentant un savoir-faire
quantitatif, nous renvoyons à différentes

16                             Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
TABLEAU 3. TAUX MOYEN DE CROISSANCE ANNUALISÉ DU PRIX
                                MÉDIAN DU M2 AU COURS DES 3 DERNIÈRES ANNÉES.

                                        Appartement :                                                        Maison :

                          petit (1 et 2 p)            grand (+3 pièces)                   petite (1 à 4 p)          grande(+5 pièces)

 8 principales métropoles :

 villes                        6,42 %                          6,57 %                            6,44 %                    6,99 %

 métropoles                    5,27 %                          2,99 %                            5,34 %                    4,26 %

 dont :

 Paris                         5,98 %                          8,00 %                                  6,51 % (toutes tailles)

 Grand Paris                   3,89 %                           1,71 %                           1,35 %                     3,24 %

 7 autres métropoles dont :

 villes                        7,05 %                          4,52 %                            6,44 %                     7,06 %

 métropoles                    5,96 %                          3,55 %                            7,05 %                     4,69 %

familles mathématiques de distributions qui                                 agrégé de la présence de bulles dans certains
donnent des informations sur les processus                                  compartiments du marché des appartements,
sous-jacents. Pour les deux secteurs, les niveaux                           comme le révèle l’analyse ultérieure désagrégée.
de croissance Moyen et Élevé diffèrent des
régimes de croissance Faible et sont évaluées par                           À l’inverse, concernant le marché des maisons,
approximation grâce à une loi exponentielle qui                             le segment de croissance Élevé est mieux
s’applique généralement aux marchés financiers7.                            décrit par une adéquation exponentielle
Pour les segments de croissance Élevé, une                                  déclinante plus rapide, semblable au
approximation par une loi de puissance peut être                            régime de croissance Moyen, sans signes
envisagée. Pour les appartements, en particulier,                           supplémentaires d’une large distribution des
la loi de puissance améliore l’ajustement (avec                             taux de croissance, qui laisse supposer l’absence
un coefficient de détermination R2 légèrement                               d’un processus de formation de bulles.
supérieur, comparé à l’adéquation exponentielle).
Il est à noter que l’exposant 3.9 est plus grand                            En général, la croissance moyenne du prix médian
de seulement 30 % que l’exposant 3 « universel »                            du m2 au cours de ces 3 dernières années a été
documenté sur les marchés financiers (appelé                                plus importante dans les villes (de niveau Moyen)
parfois « loi cubique inverse »)8 et qu’il est compris                      que dans les métropoles (tableau 3). En moyenne,
dans les bornes de confiance statistiques types                             les prix des logements de grande surface dans les
9
 . Une telle distribution de la loi de puissance                            métropoles ont progressé à un rythme plus lent.
reflète une structure à « queue épaisse » de la
distribution, susceptible de révéler la présence                            Les régions affichant la plus forte et la plus faible
d’un comportement grégaire de la part des acteurs                           croissance des prix pour les appartements et les
du marché, laquelle peut être associée à une                                maisons sont présentées respectivement dans les
surchauffe du marché. Aussi, cette distribution                             tableaux 4 et 5. Les listes sont hétérogènes d’une
de la loi de puissance peut être un signal                                  région à l’autre et selon les tailles des biens. Les
                                                                            régions dont la croissance est la plus faible offrent
                                                                            des opportunités d’achat présentant un risque
7 Jean Laherrère and Didier Sornette, Stretched
                                                                            en baisse. Pour les régions chaudes affichant la
exponential distributions in Nature and Economy:
                                                                            plus forte appréciation des prix, l’identification
“Fat tails” with characteristic scales, European
                                                                            de régimes de croissance non durable revêt
Physical Journal B 2, 525-539 (1998).
                                                                            une importance particulière. Il est important
8 Gopikrishnan, P., Plerou, V., Amaral, L. A.                               de tenir compte du diagnostic quantitatif d’une
N., Meyer, M. & Stanley, H. E., Scaling of the                              bulle et de la prévision du changement de
distributions of fluctuations of financial market                           régime, développés dans les sections 3 et 4, pour
indices. Phys. Rev. E 60, 5305–5316 (1999).                                 prendre des décisions éclairées et opportunes.
9 Y. Malevergne, V.F. Pisarenko and D. Sornette,
Empirical Distributions of Log-Returns: between
the Stretched Exponential and the Power Law?
Quantitative Finance 5 (4), 379401 (2005).

17                                  Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
TABLEAU 4. RÉGIONS AFFICHANT LA PLUS FORTE ET LA PLUS FAIBLE
                        CROISSANCE DES PRIX DANS LE SECTEUR DES APPARTEMENTS.

                                                                                   Dynamique des prix :

                                                                                                          Croissance
Région                        Taille, pièces                Juin 2016                      Juin 2019      annualisée
                                                                                                           sur 3 ans

Plus forte hausse de prix pour les appartements :

Paris (6 arr.)                        +3                       12 286                        20 909         17,7 %

Lyon (1 à 9 arr.)                      1                        3 514                         5 484         14,8 %

Marseille (1 à 16 arr.)                1                        2 179                         3 278         13,6 %

Métropole d’Aix-
                                       1                        3 667                         5 439         13,1 %
Marseille-Provence

Paris (3 arr.)                        +3                        9 491                        13 429         11,6 %

Bordeaux                               2                        3 133                         4 412         11,4 %

Paris (13 arr.)                       +3                        6 978                         9 593         10,6 %

Bordeaux                               3                        3 028                         4 160         10,6 %

Lyon (1 à 9 arr.)                      3                        3 146                         4 245         10,0 %

Bordeaux Métropole                     1                        3 056                         4 112         9,9 %

Plus faible hausse de prix pour les appartements :

Métropole Européenne
                                      +4                        1 654                         1 727         1,5 %
de Lille

Lille                                  3                        2 684                         2 787         1,3 %

Grand Paris (Seine-
                                       1                        3 950                         4 074         1,0 %
Saint-Denis)

Lyon (1 à 9 arr.)                     +4                        3 198                         3 272         0,8 %

Grand Paris (Hauts-
                                      +4                        5 224                         5 259         0,2 %
de-Seine)
Métropole d’Aix-
                                       2                        3 351                         3 321         -0,3 %
Marseille-Provence
Grand Paris (Seine-
                                      +4                        2 506                         2 426         -1,1 %
Saint-Denis)
Grand Paris (Seine-
                                       3                        3 037                         2 875         -1,8 %
Saint-Denis)
Métropole d’Aix-
                                      +4                        2 464                         2 282         -2,6 %
Marseille-Provence

Paris (1 arr.)                       1, 2                      10 250                         9 120         -3,9 %

18                            Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
TABLEAU 5. RÉGIONS ENREGISTRANT LA PLUS FORTE ET LA PLUS FAIBLE CROISSANCE DES PRIX
                                   DANS LE SECTEUR DES MAISONS.

                                                                                  Dynamique des prix :

                                                                                                         Croissance
Région                       Taille, pièces                Juin 2016                      Juin 2019      annualisée
                                                                                                          sur 3 ans

Plus forte hausse de prix pour les maisons :

Toulouse Métropole                 1, 2, 3                     2 500                         3 691         13,0 %

Métropole d'Aix-
                                   1, 2, 3                     3 654                         5 279         12,3 %
Marseille-Provence

Nantes                             1, 2, 3                     3 348                         4 825         12,2 %

Métropole de Lyon                    +5                        2 982                         4 228         11,6 %

Marseille (1 à 16 arr.)              +5                        3 418                         4 773         11,1 %

Bordeaux                             +5                        3 567                         4 848         10,2 %

Toulouse                             +5                        2 981                         3 983         9,7 %

Nantes Métropole                   1, 2, 3                     2 493                         3 327         9,6 %

Métropole de Lyon                     4                        3 271                         4 361         9,6 %

Bordeaux                           1, 2, 3                     3 875                         5 128         9,3 %

Plus faible hausse de prix pour les maisons :

Grand Paris (Seine-
                                      4                        3 136                         3 354         2,2 %
Saint-Denis)
Grand Paris (Hauts-
                                   1, 2, 3                     6 429                         6 825         2,0 %
de-Seine)
Métropole Européenne
                                     +5                        2 086                         2 208         1,9 %
de Lille
Métropole Européenne
                                   1, 2, 3                     1 978                         2 045          1,1 %
de Lille
Grand Paris (Val-
                                      4                        3 909                         4 013         0,9 %
de-Marne)
Grand Paris (Seine-
                                     +5                        2 883                         2 903         0,2 %
Saint-Denis)
Métropole Nice
                                     +5                        3 800                         3 750         -0,4 %
Côte d'Azur
Grand Paris (Seine-
                                   1, 2, 3                     3 822                         3 707         -1,0 %
Saint-Denis)
Grand Paris (Hauts-
                                      4                        6 333                         6 099         -1,3 %
de-Seine)

Lyon (1 à 9 arr.)                    +1                        4 996                         4 611         -2,7 %

19                           Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Section 3.
Méthodologie de
diagnostic des
bulles à l’aide du
modèle LPPLS
En période de bulle, les prix s’éloignent de                             commence généralement avec une opportunité -
ce que l’on appelle leur valeur fondamentale.                            de nouveaux marchés, de nouvelles technologies
De nombreux processus interviennent dans                                 ou un changement politique majeur - et des
la nucléation et pendant le développement                                investisseurs en quête de bons rendements. Elle
d’une bulle. Premièrement, on observe un                                 bénéficie de l’euphorie d’une hausse des prix, en
nouveau développement, une innovation, un                                particulier des actifs, tandis qu’une expansion du
changement du contexte économique ou de                                  crédit gonfle la bulle. Dans la phase maniaque,
toutes autres variables. Il s’en suit alors une                          les investisseurs se précipitent pour investir
augmentation de la demande, soutenue par des                             leur argent dans des biens illiquides comme les
conditions du crédit favorables, tandis que l’offre                      actions, les matières premières, l’immobilier
stagne en raison d’une friction, d’une inertie                           ou les bulbes de tulipes : « un groupe de plus
et d’autres difficultés. Une bulle financière ou                         en plus important de personne cherche à devenir
immobilière est un processus non durable dans                            riche sans comprendre réellement les processus
lequel le système est progressivement poussé                             impliqués ». Enfin, les marchés cessent de
vers la criticité. Dans un système critique, des                         croître et les personnes qui se sont fortement
événements insignifiants peuvent avoir des                               endettées se retrouvent débordées. C’est ce
impacts conséquents. Il est inutile d’argumenter                         que l’on appelle la « détresse », qui génère des
sur les causes et conséquences au niveau local                           défaillances imprévues, suivies du « dégoût » ou
lorsque le système a atteint un état critique,                           du « discrédit ». La dernière phase est une panique
car c’est la criticité qui compte. Le mécanisme                          auto-alimentée qui a pour effet un éclatement
générique sous-jacent au développement de                                de la bulle. Les personnes aisées et qui vivent à
bulles sont les « réactions positives », également                       crédit font des pieds et des mains pour se défaire
appelées « procyclicité » en économie. Les                               de tout ce qu’elles ont acheté avec des pertes
mécanismes de réactions positives englobent                              de plus en plus lourdes, et le liquide est roi.
l’imitation et le comportement grégaire. Mais les
réactions positives peuvent également être d’ordre                       Le fait déterminant est qu’un système composé
« technique » ou logique, comme, par exemple                             d’investisseurs en concurrence soumis à la
lorsque de jeunes couples décident d’acheter un                          myriade d’influences, à la fois des nouvelles
appartement alors que le prix a augmenté (la                             exogènes et des interactions et une réflexivité
faiblesse habituelle de la demande entraîne une                          endogènes, peut évoluer en des régimes auto-
baisse de la demande en raison de la hausse des                          alimentés et auto-organisés de manière endogène
prix), par peur de passer à côté d’une occasion,                         que l’on peut qualifier de bulles, et que les
c’est-à-dire que les appartements pourraient                             krachs entraînent une transition mondiale
devenir inabordables dans un avenir proche si                            auto-organisée. Les mathématiciens appellent
la dynamique des prix poursuit son ascension.                            ce comportement une « bifurcation » ou plus
                                                                         spécifiquement une « catastrophe ». Les physiciens
D’un point de vue technique, nous utilisons                              appellent ces phénomènes des « transitions de
le modèle LPPLS (Log-Periodic Power Law                                  phase ». La modélisation d’un krach de marché
Singularity (LPPLS) pour identifier l’empreinte                          comme une bifurcation vise à répondre à la
distincte des bulles immobilières naissantes                             question de savoir ce qui fait un krach : dans
(positif) (voir Réf.10 pour une présentation                             le cadre de la théorie de la bifurcation (ou
pédagogique). Le scénario générique suivant,                             transitions de phase), des changements brusques
découpé en cinq actes, est commun à toutes                               de comportements résultent de changements
les bulles historiques : déplacement, décollage,                         mineurs de la situation, d’une évolution
exubérance, étape critique et krach. La hausse                           qualitative de la nature des solutions qui peut
                                                                         survenir brutalement lorsque les paramètres
                                                                         changent lentement. Un changement mineur des
10 D. Sornette and P. Cauwels, Financial                                 circonstances, de la force des interactions ou de
bubbles: mechanisms and diagnostics, Review of                           l’hétérogénéité peut entraîner des changements
Behavioral Economics 2 (3), 279-305 (2015)

20                               Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
soudains et dramatiques, comme pendant un                                    balayons les séries temporelles d’une fenêtre
tremblement de terre et un krach financier.                                  de temps d’au minimum 18 mois jusqu’à
                                                                             la taille maximale autorisée par le relevé
Les hypothèses de base du modèle                                             historique disponible, à savoir janvier 2014.
sont les suivantes :                                                         L’adaptation à plusieurs échelles de temps
-	Pendant la phase de croissance d’une                                      nous permet de tester la solidité des résultats,
     bulle, le prix augmente plus rapidement                                 leur (in)dépendance par rapport à l’histoire
     qu’à un rythme exponentiel. Par                                         passée, et de collecter en continu des
     conséquent, le logarithme des prix                                      informations sur la dynamique des prix. Nous
     augmente plus rapidement qu’une                                         disposons ainsi d’une mise à jour dynamique
     fonction linéaire du temps.                                             en continu des diagnostics de bulles.
-	On observe une accélération des                                       2) Des filtres heuristiques adaptés aux
     oscillations log-périodiques autour de                                  paramètres de la formule mathématique
     l’évolution des prix superexponentielle                                 LPPLS sont appliqués pour calibrer les
     qui expliquent le raccourcissement                                      paramètres du modèle LPPLS dans chaque
     des échelles de temps sur lesquelles la                                 fenêtre temporelle d’ajustement. Les
     volatilité évolue vers la fin de la bulle.                              filtres ont été ajustés pour tenir compte
-	À la fin de la bulle, au moment dit critique                              des particularités de la dynamique des
     tc, une singularité du temps fini survient,                             bulles sur le marché immobilier et de
     laquelle est suivie par un éclatement de la                             l’agrégation des données sur une base
     bulle, c’est-à-dire que cette dernière évolue                           mensuelle. Ils veillent à ce que les
     vers un nouveau régime. Cette transition                                paramètres ajustés du modèle repèrent les
     peut survenir brutalement (un krach) ou                                 caractéristiques concrètes des bulles.
     en douceur (correction progressive des prix                         3) Le t2 le plus récent dans l’analyse actuelle
     ou plateau). Les bulles immobilières sont                               est juin 2019. La date de naissance de la
     généralement associées à une transition                                 bulle t1* est calculée sur la base d’une
     en douceur des prix et à un effondrement                                méthodologie d’estimation décrite dans
     brutal du volume des transactions.                                      la Réf.12 pour un t2 fixe et qui établit la
Ensemble, ces effets englobent des processus                                 moyenne de ces résultats sur les 6 mois
de rétroaction positifs, y compris des imitations                            précédents pour accroître la solidité.
logiques aussi bien que psychologiques et des                            4) L’indicateur de confiance DS LPPLS
phénomènes grégaires parmi les acteurs du                                    Confidence IndicatorTM quantifie la présence
marché qui conduisent à une croissance excessive                             d’une dynamique des prix superexponentielle
et à une instabilité des prix de l’immobilier.                               obtenue pour différentes fenêtres
                                                                             temporelles de tailles diverses (voir Réf.13
Au Real Estate Observatory, nous affinons                                    pour les définitions et les autres applications
la méthodologie de détection des bulles 11                                   financières). Pour ce faire, des ajustements
pour mieux l’adapter à la dynamique des prix                                 qualifiés sont sélectionnés par des filtres
dans le secteur immobilier, ce qui nécessite
généralement une agrégation des données selon
une périodicité mensuelle / trimestrielle. Nous                          12 G. Demos and D. Sornette, Comparing
adaptons également des filtres heuristiques                              nested data sets and objectively determining
à la procédure d’ajustement. La procédure                                financial bubbles’ inceptions, Physica A: Statistical
d’ajustement et le calcul des caractéristiques                           Mechanics and its Applications 524, 661-
des bulles comprennent les étapes suivantes :                            675 (2019) - https://ssrn.com/abstract=3007070
1) Balayage des trajectoires logarithmiques                             13 Qunzhi Zhang, Didier Sornette, Mehmet
     des prix pour les dynamiques de prix                                Balcilar, Rangan Gupta, Zeynel Abidin Ozdemir and
     superexponentielles en ajustant de                                  Hakan Yetkiner, LPPLS Bubble Indicators over Two
     manière séquentielle le modèle LPPLS dans                           Centuries of the S&P 500 Index, Physica A: Statistical
     différentes fenêtres de temps à la série de                         Mechanics and its Applications 458, 126-139 (2016);
     prix sous-jacente. Pour une date de fin fixe                        Qun Zhang, Qunzhi Zhang and Didier Sornette,
     t2 d’une fenêtre donnée, nous sélectionnons                         Early warning signals of financial crises with multi-
     différentes dates de début de fenêtres t1,i et                      scale quantile regressions of Log-Periodic Power
     ajustons le modèle LPPLS pour chacune des                           Law Singularities, PLoS ONE 11(11): e0165819.
     fenêtres résultantes. Dans cette étude, nous                        doi:10.1371/journal.pone.0165819, pp. 1-43 (2016);
                                                                         A. Johansen and D. Sornette, Shocks, Crashes and
                                                                         Bubbles in Financial Markets, Brussels Economic
11 Méthodologie du Financial Crisis Observatory                          Review (Cahiers economiques de Bruxelles) 53 (2),
- https://ethz.ch/content/dam/ethz/special-                              201-253 (summer 2010) and papers at http://www.
interest/mtec/chair-of-entrepreneurial-risks-dam/                        er.ethz.ch/media/publications/social-systems-finance/
documents/FCO/appendix-FCO-ETH-SIMAG.pdf                                 bubbles_and_crashes_theory_empirical_analyses.html

21                               Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
supplémentaires, prenant en compte la                                       la tendance. Cet état est généralement
    date de début estimée t1 * et la maturité                                   obtenu lors qu’une métropole a été décrite
    d’une bulle (les ajustements qualifiés sont                                 précédemment comme « Critique » ou « À
    représentés par des lignes continues bleues                                 surveiller ». Le prix pourrait augmenter
    sur les points LPPLS dans l’Annexe A). Une                                  ou diminuer sans (autre) signal de
    valeur supérieure de l’indicateur signifie que                              bulle suffisant, mais il n’y a pas assez de
    la signature LPPLS a été détectée sur plusieurs                             points de données pour le moment pour
    échelles de temps et indique une bonne                                      confirmer un changement de régime.
    stabilité du signal de bulle. Pour suivre sa                            • 	Changement de régime : Cet état est obtenu
    dynamique, l’indicateur DS LPPLS Confidence                                 uniquement lorsque la métropole a été
    IndicatorTM est calculé pour les 18 derniers                                classée précédemment comme « À suivre » et
    mois, soit de janvier 2018 à juin 2019.                                     que les points de données les plus récents
5) Un état de bulle est confirmé lorsque                                       confirment la fin d’une bulle et la survenance
    l’indicateur DS LPPLS Confidence                                            d’une transition vers un régime post-bulle. »
    IndicatorTM est positif et solide, soit lorsqu’il
    y a un nombre suffisant d’ajustements                                   Une métropole « Critique » peut être rétrogradée
    qualifiés. Les caractéristiques clés des                                en « À surveiller » à la suite d’une diminution de
    bulles sont alors calculées comme suit :                                la présence/force des signaux de bulle, ou bien
    o     le moment critique tc, soit le                                   elle peut être promue « À suivre » pour refléter
           moment prévu de l’éclatement                                     un diagnostic préliminaire de changement de
           d’une bulle (obtenu en calculant                                 régime. Une métropole classée « À surveiller » peut
           la moyenne tc des ajustements                                    devenir « Critique » lorsque la force des indicateurs
           qualifiés sur les 6 derniers mois). La                           de bulle augmente, ou bien elle peut devenir
           fonction de densité de probabilité                               une métropole « À suivre » lorsqu’il existe des
           (pdf) et l’intervalle de confiance de                            preuves d’un changement de régime en cours.
           99 % pour tc sont représentés par                                Une métropole classée « À suivre » peut devenir « À
           les zones ombrées violettes sur les                              surveiller », lorsque la présence de signaux de bulle
           tracés LPPLS dans l’Annexe A ;                                   est confirmée plus fortement, ou peut devenir une
    o      la durée de la bulle (soit la période                           métropole en « Changement de régime », lorsque
            allant de la date de naissance de la bulle                      la dynamique des prix a validé la fin de la bulle.
            t1* jusqu’à la date critique prévue tc –
            représentée par une zone ombrée bleue
            sur les tracés LPPLS dans l’Annexe A) et
            la taille de la bulle (à savoir la hausse
            de prix durant la période de la bulle).

Sur la base de la valeur obtenue et de la force de
l’indicateur DS LPPLS Confidence IndicatorTM, la
classification suivante est utilisée pour exprimer
le statut de la région à partir de l’analyse LPPLS14:

•	Critique : l’analyse LPPLS donne un
   signal de bulle positif fort. Cela indique
   un changement de régime imminent.
•	À surveiller : l’analyse LPPLS donne un
   signal de bulle positif, mais pas aussi
   fort que dans le cas « Critique ».

Les caractéristiques de bulle et la fourchette de
temps prévue pour le changement de régime
sont indiquées pour les deux états ci-dessus.                               Figure 2 : Classification des statuts de bulle

•	À suivre : Une activité pré ou post-bulle est
     indiquée, mais le nombre des ajustements
     LPPLS qualifiés est insuffisant pour confirmer

14 Une méthodologie similaire a été utilisée pour
analyser les bulles immobilières en Suisse - https://
er.ethz.ch/real-estate-observatory/publications/
swiss-real-estate-market-reports.html

22                                  Bulles immobilières : « Territoires sous surveillance » iread-mai 2020
Vous pouvez aussi lire