Er tal fra Nybolig om stigning i boligpriser "helt ude i hampen"? Nej, de passer
"Det er helt ude i hampen", skriver en læser om en artikel i går, hvor vi skrev, at boligpriserne i Frederikshavn Kommune er steget med 30,2 procent fra januar til september i år. Men tallet er altså rigtigt. Det stammer fra Boligsidens Markedsindeks.
Kigger vi på salgsprisen, når det gælder villaer og rækkehuse i Frederikshavn Kommune er gennemsnittet de seneste ni måneder steget fra 9.474 til 12.333 kroner. Der ER alstå tale om en stigning på 30,2 procent.
Flere stiller spørgsmålstegn ved den store stigning.
- En stigning på 30 procvent. Det vil jeg tillade mig at tvivle på. Kan Nybolig dokumentere det?, spørger Niels Christian Beyer Christensen.
Kanal Frederikshavn har derfor kontaktet Nybolig Frederikshavn igen.
- Tallene er rigtige, men de dækker - som det også fremgår af artiklen - hele Frederikshavn Kommune, det vil sige fra Voerså til Skagen. Derfor skal man huske nuancerne, når man analyserer tallene, fordi de kan være forbundet med store lokale udsving. Særligt i Skagen er der hushandler, som påvirker den gennemsnitlige kvadratmeterpris i en opadgående retning, og hos Nybolig har vi haft nogle handler i den dyre ende i år, siger Tommy Kruse Fuglsang, indehaver af både Nybolig Skagen og Nybolig Frederikshavn.
Men faktum er, at huspriserne er steget med 30,2 procent i Frederikshavn Kommune, og det er markant i forhold til andre nordjyske kommuner:
Frederikshavn Kommune: 9.474 - 12.333
Hjørring Kommune: 8.554 - 8.623
Brønderslev Kommune: 7.913 - 8.715
Aalborg Kommune: 15.894 - 16-261
Jammerbugt Kommune: 8.042 - 9.470
- Vi er glade for udviklingen i Frederikshavn Kommune. Det er dejligt. Uandet hvordan vi vender og drejer det, er udviklingen positiv, og det skal vi huske at glæde os over i de her tider. Tallene viser, at der er folk, som vil investere og bosætte sig i vores område, mener Tommy Kruse Fuglsang.
Han kan også se, at udviklingen øger interesseren for Nyboligs boligprisberegner. På baggrund af et væld af datakilder og ved hjælp af blandt andet machine learning, har beregneren mulighed for at tilnærme sig et meget præcist estimat for, hvor meget boligejerne kan forvente at få for sin bolig.