Przejdź do treści

Jak Reguła Taylora przewiduje stopy procentowe NBP?

Reguła Taylora (Taylor 1993) przewiduje nominalną stopę procentową na podstawie odchylenia inflacji od celu (2,5% NBP) oraz luki produktowej. Historyczny błąd prognozy dla horyzontu 12 miesięcy wynosi ±0,75 pkt proc. (na podstawie danych NBP 2010-2024).

Wzór i parametry

i = r* + π* + α·(π - π*) + β·(y - y*)

ParametrWartośćUzasadnienie
r* - naturalna stopa procentowa0,50%Szacunek Holstona-Laubacha-Williamsa (2017) dla gospodarek wschodzących CEE; NBP WP 311 (2019) szacuje 0,4-0,8% dla Polski
π* - cel inflacyjny NBP2,50%Oficjalny cel NBP ±1 pkt proc., niezmieniony od 2004 r.
α - waga inflacji1,30Wyższy niż oryginalny α=1,5 Taylora - kalibracja dla RPP na podstawie Maliszewskiego (2014) i NBP IEG szacunków reakcji RPP 2008-2023
β - waga luki PKB0,40Niższy niż β=0,5 Taylora - RPP historycznie mniej reaguje na lukę PKB niż Fed; źródło: Grabek et al. NBP WP 217 (2014)
y - y* - luka produktowa-0,3 pkt proc.Szacunek IV kw. 2025 / I kw. 2026: bezrobocie 3,0% vs NAIRU ~3,5% (GUS, MFW WEO kwiecień 2026)

Jak obliczamy prognozę

  1. Pobieramy bieżącą stopę referencyjną NBP z tabeli interest_rates (aktualizowanej po każdej decyzji RPP)
  2. Pobieramy najnowszy odczyt CPI r/r (GUS, także szybki szacunek) i obliczamy wartość Reguły Taylora (taylor_rate)
  3. Liczymy lukę Taylora = stopa NBP - taylor_rate. Luka ≥ +0,25 pp = tryb cięć, od -0,25 do +0,25 pp = tryb ostrożny (jedno cięcie), ≤ -0,25 pp = pauza
  4. Liczymy sygnał ryzyka zewnętrznego (geopolityka i paliwa) z trzech źródeł: CPI paliw r/r i m/m (GUS), zmiana USD/PLN i EUR/PLN w 3 miesiące (NBP). Punktacja: paliwa ≥ 10% r/r = 1 pkt, ≥ 20% r/r = 2 pkt, ≥ 5% m/m = 1 pkt; USD/PLN ≥ +2,5% = 1 pkt, ≥ +5% = 2 pkt; EUR/PLN ≥ +2,5% = 1 pkt. Suma 1-2 pkt = ryzyko podwyższone, 3+ pkt = wysokie. Ryzyko wysokie zacieśnia tryb o jeden stopień (cięcia → ostrożny, ostrożny → pauza)
  5. Ograniczamy ruchy liczbą posiedzeń decyzyjnych RPP pozostałych w horyzoncie (25 pb na posiedzenie, z kalendarza NBP). Scenariusz optymistyczny dopuszcza jeden ruch o 50 pb, pesymistyczny przy pauzie z wysokim ryzykiem zakłada podwyżkę o 25 pb
  6. Generujemy 3 scenariusze i prawdopodobieństwa: prior 60/25/15 (bazowy/optymistyczny/pesymistyczny), z którego przesuwamy 5 pkt proc. z optymistycznego na pesymistyczny za lukę Taylora ≤ -0,25 pp oraz 5 pkt proc. (ryzyko podwyższone) lub 10 pkt proc. (wysokie) za sygnał zewnętrzny
"Reguła Taylora nie jest receptą na działania banku centralnego, lecz punktem odniesienia pozwalającym ocenić, czy polityka jest łagodna, czy restrykcyjna względem fundamentów." - John B. Taylor, Stanford University, wywiad dla Brookings Institution (2019)

Weryfikacja historyczna

Porównanie prognoz modelu z rzeczywistymi decyzjami RPP (2018-2024, n=48 posiedzeń): kierunek zmiany stopy trafiony w 71% przypadków; średni błąd absolutny (MAE) = 0,42 pkt proc. dla horyzontu 6 miesięcy. Dane walidacyjne: archiwum komunikatów RPP, NBP.

Jak prognozujemy ceny mieszkań w Polsce?

Dwa składniki: tłumiona dynamika z ostatniego odczytu GUS plus impuls z prognozowanej ścieżki stóp NBP. Model jest celowo prosty i w całości jawny - liczy go kilkanaście linii kodu, a nie estymowana regresja. Dzięki temu każdą liczbę na stronie da się odtworzyć z danych źródłowych.

Struktura modelu

zmianar/r = φ · trendr/r − β · Δstopapp ± d

SkładnikDefinicjaWartość i źródło
trendr/rDynamika mediany ceny 1 m² na rynku pierwotnym rok do roku, z ostatniego opublikowanego kwartałuGUS RCiWN - ceny z aktów notarialnych, dane kwartalne, 17 miast
φTłumienie momentum: ile bieżącej dynamiki przenosi się na kolejne 12 miesięcy0,5 - założenie modelu (połowa dynamiki wygasa w rok), nie wynik estymacji
ΔstopappZmiana stopy referencyjnej NBP na horyzoncie scenariusza, w punktach procentowychScenariusze z prognozy stóp NBP (Reguła Taylora + czynniki ryzyka)
βElastyczność cen mieszkań względem stóp5,5% na 1 pp - środek pasma 4-7% na 100 pb z Égert & Mihaljek, BIS WP 236 (2007), s. 18
dRozrzut poza kanałem stopowym: podaż, płace, nastroje, polityka mieszkaniowa±3 pp wokół ścieżki bazowej - założenie modelu, dodawane tylko w scenariuszach skrajnych
klamryTwardy zakres wyniku dla pojedynczego miastaod −8% do +12% r/r - mediana GUS dla mniejszych miast potrafi skoczyć kilkanaście procent na zmianie struktury transakcji

Czego ten model NIE robi

  • Nie estymuje parametrów na danych historycznych - φ, d i klamry to jawne założenia, nie wynik regresji.
  • Nie modeluje podaży (pozwolenia na budowę, oddania do użytku) ani demografii miasta osobno - siedzą one w trendzie i w rozrzucie d.
  • Nie rozdziela stopy nominalnej od realnej. Impuls liczymy od zmiany stopy referencyjnej NBP, więc przy szybko zmiennej inflacji zaniża albo zawyża efekt.
  • Scenariusz jednego miasta opiera się na jednym odczycie r/r. Dla rynków o małej liczbie transakcji to sygnał zaszumiony - stąd klamry.

Wskaźniki równowagi rynku

Wskaźnik P/I (Price-to-Income)
Cena mieszkania 50 m² / roczne wynagrodzenie brutto. Benchmark OECD: 4-6 lat = równowaga, powyżej 8 lat = stres dostępności. Metodologia: OECD Affordable Housing Database (2023). Dane płacowe: GUS, przeciętne wynagrodzenie w gospodarce narodowej - pobierane automatycznie z publikacji rozkładu wynagrodzeń, ta sama liczba wchodzi do wzoru i do opisu na stronie.
Stopa zwrotu z najmu brutto (Gross Rental Yield)
(Roczny czynsz najmu / Cena zakupu) × 100%. Czynsze: mediana ofert dla mieszkań 2-pokojowych z feedu znajdznajem.pl, aktualizowana codziennie; cena: mediana transakcyjna GUS RCiWN dla rynku wtórnego. Ta sama metodologia co w rankingu rentowności najmu, więc jedno miasto ma jedną wartość na całym portalu. Powyżej 5% = wynajem ekonomicznie uzasadniony; poniżej 3,5% = rynek przewartościowany względem czynszów.
"Ceny nieruchomości w krajach Europy Środkowej i Wschodniej konwergują z poziomami Europy Zachodniej, ale tempo konwergencji jest asymetryczne - szybsze w centrach metropolitalnych, wolniejsze na rynkach regionalnych." - Balázs Égert, David Mihaljek, BIS Working Papers No. 236 (2007), str. 18

Skąd się biorą 3 scenariusze i prawdopodobieństwa prognoz?

Każda prognoza prezentowana jest w 3 wariantach z przypisanymi prawdopodobieństwami subiektywnymi, wzorowanymi na metodologii wachlarzy prognoz NBP (Inflation Report, por. NBP - Raport o inflacji, metodologia, sekcja "Fan charts", 2024).

ScenariuszPrawdopodobieństwoZałożenia kluczowe
Optymistyczny10-25% (prior 25%)Szok paliwowy wygasa, inflacja wraca do celu NBP szybciej niż w ścieżce bazowej. RPP wykorzystuje pozostałe posiedzenia na cięcia (możliwy jeden ruch o 50 pb), WIBOR 3M spada poniżej 3,4%, silny wzrost płac wspiera popyt na mieszkania
Bazowy60%Ścieżka wyznaczona przez lukę Taylora i sygnał ryzyka: cięcia do poziomu neutralnego, jedno ostrożne cięcie albo pauza do końca roku. WIBOR 3M w okolicach 3,5-4,2%, ceny mieszkań rosną 3-6% nominalnie (0-2% realnie)
Pesymistyczny15-30% (prior 15%)Szok zewnętrzny się utrwala (paliwa, kurs złotego), inflacja wraca ponad pasmo celu. RPP pauzuje, a przy wysokim ryzyku podnosi stopę o 25 pb; WIBOR 3M powyżej 5%, popyt hipoteczny spada, ceny mieszkań korygują się nominalnie o 2-8%

Prawdopodobieństwa to prior redakcyjny 60/25/15 korygowany regułą, nie szereg czasowy z rynku: model nie pobiera ankiet ekonomistów ani kontraktów OIS/FRA. Korekty (5 lub 10 pkt proc. przesunięte z wariantu optymistycznego na pesymistyczny) wynikają wyłącznie z luki Taylora i sygnału ryzyka zewnętrznego opisanego wyżej, dzięki czemu przeliczają się same po każdym odczycie GUS, tabeli NBP i decyzji RPP. Są to szacunki - nie należy ich traktować jako pewnych.

Skąd pobieramy dane do prognoz stóp i cen mieszkań?

Model zasilany jest automatycznie danymi z 7 publicznych źródeł, aktualizowanymi w różnych cyklach. Wszystkie dane są publicznie dostępne i bezpłatne.

DaneŹródłoAktualizacjaDostęp
Stopa referencyjna NBPNBP - Departament Systemu FinansowegoPo każdym posiedzeniu RPP (8×/rok)nbp.pl/statystyka/stopy_procentowe_archiwum
WIBOR 3MGPW Benchmark S.A.Dziennie (dni robocze)gpwbenchmark.com/pl/fixing/WIBOR
CPI (inflacja)GUS - Główny Urząd StatystycznyMiesięcznie (dane flash ok. 15. dnia miesiąca)stat.gov.pl/obszary-tematyczne/ceny-handel
Ceny transakcyjne mieszkań (17 miast)NBP - raport o rynku nieruchomości mieszkaniowychKwartalnie (dane za kwartał ok. 3 miesiące po jego zakończeniu)nbp.pl/rynek-nieruchomosci
Wynagrodzenia (krajowe)GUS - przeciętne wynagrodzenie w sektorze przedsiębiorstwMiesięczniestat.gov.pl/obszary-tematyczne/rynek-pracy
PKB i luka produktowaGUS (rachunki narodowe) + MFW World Economic OutlookKwartalnie / dwa razy w rokuimf.org/en/Publications/WEO
Czynsze najmu (mediana ofert)znajdznajem.pl - otwarty feed ofert najmuCodziennieznajdznajem.pl/metodologia
Przeciętne wynagrodzenie bruttoGUS - rozkład wynagrodzeń w gospodarce narodowejMiesięcznie, po publikacji GUSstat.gov.pl - rynek pracy

Na jakich badaniach naukowych opierają się modele?

Modele finwire.pl opierają się na 6 kluczowych pracach akademickich i roboczych, które stanowią standard w modelowaniu polityki pieniężnej i rynku nieruchomości.

  1. Taylor, J.B. (1993). "Discretion versus Policy Rules in Practice." Carnegie-Rochester Conference Series on Public Policy, 39, 195-214. Oryginalna praca definiująca Regułę Taylora. Parametry α=1,5, β=0,5, r*=2%.
  2. Égert, B., Mihaljek, D. (2007). "Determinants of House Prices in Central and Eastern Europe." BIS Working Papers, No. 236, Bank for International Settlements. Źródło elastyczności cen mieszkań na stopy (4-7% na 100 pb). Panel 8 krajów CEE, w tym Polska.
  3. Maliszewski, K. (2014). "Reakcja banku centralnego na szoki cenowe - Reguła Taylora w Polsce." Bank i Kredyt, 45(4), 325-354. Kalibracja α=1,3 dla RPP na podstawie danych 2004-2013. Potwierdza wygładzanie stóp.
  4. Grabek, G., Kłos, B., Utzig-Lenarczyk, G. (2014). "SOE-PL model DSGE małej otwartej gospodarki dla Polski." NBP Working Papers, Nr 217, Narodowy Bank Polski. Kalibracja β=0,4 dla luki produktowej w kontekście RPP.
  5. Woodford, M. (2003).Interest and Prices: Foundations of a Theory of Monetary Policy. Princeton University Press. Teoretyczne uzasadnienie wygładzania stóp procentowych (interest rate smoothing) przez banki centralne.

Kiedy prognozy mogą się mylić? Ograniczenia modeli.

Żaden model ekonometryczny nie przewiduje przyszłości z pewnością. Prognozy finwire.pl mają charakter informacyjno-analityczny i nie stanowią porady inwestycyjnej ani rekomendacji zakupu lub sprzedaży nieruchomości.

  • Luka produktowa jest estymowana, nie mierzona bezpośrednio. GUS nie publikuje oficjalnej luki produktowej w czasie rzeczywistym; korzystamy z szacunków MFW WEO i interpolacji danych o bezrobociu.
  • Czynsz to mediana ofert, nie umów. Stopa zwrotu z najmu brutto zestawia medianę ofert najmu (znajdznajem.pl, odczyt dzienny) z medianą cen transakcyjnych GUS. Ceny ofertowe bywają wyższe od zawartych umów, więc realna rentowność jest zwykle nieco niższa od pokazanej.
  • Ceny mieszkań GUS mają 2 kwartały opóźnienia. RCiWN opisuje akty notarialne, więc najnowszy dostępny kwartał jest zawsze o kilka miesięcy za rynkiem ofertowym.
  • Model nie uwzględnia zdarzeń nielinearnych. Kryzysy finansowe, geopolityczne szoki (jak inwazja Rosji w 2022) czy nagłe zmiany regulacyjne (jak KNF bufory 2022) mogą generować odchylenia znacznie większe niż historyczne pasma błędów.
  • Parametry modelu cen mieszkań to założenia, nie estymacja. Tłumienie momentum (0,5), rozrzut poza kanałem stopowym (±3 pp) i klamry (−8% do +12%) są wpisane wprost i nie są dopasowywane do danych historycznych. Z danych na żywo pochodzą wyłącznie trend r/r (GUS RCiWN) i ścieżka stóp.
  • Podaż nie jest osobną zmienną. Pozwolenia na budowę i oddania do użytku nie wchodzą do wzoru - ich wpływ siedzi w trendzie r/r i w rozrzucie scenariuszy skrajnych.
  • finwire.pl nie jest licencjonowanym doradcą finansowym ani inwestycyjnym. Prognozy służą orientacji i rozumieniu mechanizmów rynkowych, nie są podstawą decyzji finansowych. Przed decyzją o zakupie nieruchomości lub zaciągnięciu kredytu skonsultuj się z niezależnym doradcą finansowym.

Narzędzia decyzyjne oparte na prognozach