18,1 % af villaerne til salg har ligget i over et år

Boligsiden opdaterer sine annoncer på plads. Når en bolig sælges, forsvinder rækken ved næste hentning, og dens liggetid går tabt. Derfor arkiverer vi annoncerne dag for dag: hvert forløb får en startdato, første gang vi ser det, og den flytter sig ikke igen.

Den 16. september 2026 lå der 43.774 boligannoncer i beholdningen fordelt på 782 postnumre. Hver eneste af dem blev set på Boligsiden den 15. eller 16. september 2026 — det er altså beholdningen, som den så ud, og ikke et arkiv.

24.811 af annoncerne er villaer og parcelhuse. Medianen af dem har ligget 127 dage. Halvdelen ligger mellem 56 og 275 dage, og hver tiende har ligget mere end 530 dage. Fordelingen har en tung hale: 18,1 % — 4.480 villaer — har været på markedet i over et år.

Forskellen mellem boligtyper er større end forskellen mellem landsdele. Helårsgrunde har en median på 646 dage, og 65,9 % af dem har ligget i over et år. I den anden ende ligger ejerlejligheder med en median på 85 dage og 8,6 % over et år.

Resten af analysen holder sig til villaer og parcelhuse. Det er den største gruppe, og det er den eneste, hvor der er nok annoncer i tilstrækkeligt mange postnumre til, at en sammenligning på tværs af landet holder.

198 postnumre har mindst 40 villaer til salg. Blandt dem går medianen fra 37 dage i 2630 Taastrup til 432 dage i 9940 Læsø — en faktor 11,7 mellem de to yderpunkter.

Toppen af listen er nordjysk og vestjysk: efter 9940 Læsø følger 9460 Brovst, 7760 Hurup Thy og 7600 Struer med 328, 297 og 276 dage. Bunden af listen er hovedstadens vestegn og forstæder.

Sætter man postnumrenes median-liggetid op mod den median-kvadratmeterpris, boligerne er udbudt til, falder de to tal sammen: korrelationen er −0,74 på log-skala over 198 postnumre. Jo dyrere kvadratmeter, jo kortere har boligerne ligget.

Hvorfor, kan tallene ikke svare på. Vi har målt, at de to størrelser følges ad — ikke at den ene skaber den anden. Begge kan lige så godt være udslag af noget tredje, vi ikke har målt her: befolkningsudviklingen i området, afstanden til arbejdspladser, boligernes stand og størrelse, eller hvor mange købere der overhovedet leder det pågældende sted. Tallene her er en beskrivelse af markedet, ikke en forklaring på det.

Datagrundlaget. Vi henter Boligsidens aktive annoncer dagligt og skriver hver annonce ind i et forløb, der lever fra udbud til den dag, annoncen forsvinder. Et forløb får sin udbudsdato første gang, vi ser det — beregnet som hentedatoen minus den liggetid, Boligsiden selv oplyser på annoncen — og datoen flytter sig aldrig igen. En annonces alder i dag er derfor dags dato minus udbudsdatoen.

Afgrænsningen. Analysen ser kun på åbne forløb: annoncer, der stadig lå på Boligsiden ved den seneste hentning. Annoncer, der er forsvundet, indgår ikke. Boligtypen er Boligsidens egen kode; i tabellen står både den danske betegnelse og koden, så ingen behøver stole på vores oversættelse.

Median frem for gennemsnit. Liggetider har en lang hale — enkelte annoncer har ligget i årevis og ville trække et gennemsnit langt op. Medianen er det tal, halvdelen ligger over og halvdelen under. Vi viser p25 og p75 ved siden af, så det fremgår, hvor meget medianen dækker over.

Tærsklen. Et postnummer kommer med i ranglisten, hvis der er mindst 40 villaer til salg. Under det springer medianen for meget på tilfældigheder, og et enkelt hus kan flytte et helt postnummer på listen. Tærsklen er den samme i alle tabeller og grafer på siden.

Priserne. Kvadratmeterprisen er den udbudte pris ved første annoncering delt med boligarealet fra annoncen — ikke en salgspris og ikke en vurdering.

1. Det er beholdningen, ikke salgstiden. Det er den vigtigste forskel på siden. Vi måler, hvor længe de boliger, der er til salg lige nu, har ligget — ikke hvor lang tid det tager at sælge en bolig. Beholdningen er systematisk skæv mod de svært sælgelige: de bliver liggende og tæller med hver eneste dag, mens de hurtige forsvinder ud af tallet igen. Medianen på 127 dage er derfor højere end den tid, en gennemsnitlig handel tager, og tallene kan ikke sammenlignes med mæglerbranchens salgstider.

2. Vi ved ikke, hvad de sælges for. Boligsidens handelshistorik lukkede ned for os i september 2026; endepunktet svarer nu med en Cloudflare-udfordring. Vi kan derfor ikke koble de her annoncer til den pris, de ender med at blive handlet til, og analysen siger intet om prisafslag. Det kræver adgang til Ejerfortegnelsen, som vi har ansøgt om.

3. Udbudsdatoen er Boligsidens tal. For de annoncer, der lå på markedet allerede første gang, vi så dem, er startdatoen regnet ud fra Boligsidens egen liggetidstæller. Hvordan den tæller ved genudbud og mæglerskifte, bestemmer vi ikke. Vores eget dag-for-dag-arkiv er yngre end de længste liggetider i tallene, så de allerlængste forløb hviler på Boligsidens tæller alene.

4. Ranglisten dækker ikke landet. 198 af 782 postnumre har nok villaer til salg til at komme med. De øvrige er ikke hurtige eller langsomme — de er bare for små til, at vi vil sige noget om dem. Et postnummer er desuden ikke ét boligmarked: der kan være stor forskel på en by og dens opland inden for samme fire cifre.

5. Boligerne er ikke sammenlignelige. Vi korrigerer ikke for størrelse, byggeår, stand eller beliggenhed inden for postnummeret. To medianer, der er lige store, kan dække over vidt forskellige boliger.

6. Hvad analysen ikke bruger. Der indgår hverken tingbogsdata, offentlige vurderinger eller energimærker i tallene på denne side. De begrænsninger, der gælder dem — at tingbøgerne er hentet i foråret 2026 og ikke opdateres, og at vurderingshistorikken først begynder i 2020 — rammer derfor ikke denne analyse. De ville ramme en analyse af gæld eller vurderinger, og det siger vi, når vi laver den.

Hver blok herunder er én forespørgsel mod Ejendatas database. Teksten er den, der faktisk kørte — ikke en renskrevet udgave. Tabellerne annonce_forloeb og salgsforloeb er vores eget arkiv over Boligsidens annoncer; postnummer kommer fra DAR (Danmarks Adresseregister).

SELECT count(*)                      AS annoncer,
       count(DISTINCT postnummer)    AS postnumre,
       min(sidst_set)                AS aeldste_observation,
       max(sidst_set)                AS nyeste_observation
FROM annonce_forloeb
WHERE forsvundet_dato IS NULL

WITH v AS (
  SELECT CURRENT_DATE - udbudsdato AS dage
  FROM salgsforloeb
  WHERE udfald = 'til salg' AND ejendomstype = 'villa'
)
SELECT count(*)                                                      AS villaer,
       percentile_cont(0.25) WITHIN GROUP (ORDER BY dage)::int        AS p25_dage,
       percentile_cont(0.50) WITHIN GROUP (ORDER BY dage)::int        AS median_dage,
       percentile_cont(0.75) WITHIN GROUP (ORDER BY dage)::int        AS p75_dage,
       percentile_cont(0.90) WITHIN GROUP (ORDER BY dage)::int        AS p90_dage,
       count(*) FILTER (WHERE dage <=  30)                            AS d_0_30,
       count(*) FILTER (WHERE dage >   30 AND dage <=  90)            AS d_31_90,
       count(*) FILTER (WHERE dage >   90 AND dage <= 180)            AS d_91_180,
       count(*) FILTER (WHERE dage >  180 AND dage <= 365)            AS d_181_365,
       count(*) FILTER (WHERE dage >  365)                            AS d_over_365
FROM v

SELECT ejendomstype,
       count(*)                                                                        AS annoncer,
       percentile_cont(0.25) WITHIN GROUP (ORDER BY CURRENT_DATE - udbudsdato)::int     AS p25_dage,
       percentile_cont(0.50) WITHIN GROUP (ORDER BY CURRENT_DATE - udbudsdato)::int     AS median_dage,
       percentile_cont(0.75) WITHIN GROUP (ORDER BY CURRENT_DATE - udbudsdato)::int     AS p75_dage,
       round(100.0 * count(*) FILTER (WHERE CURRENT_DATE - udbudsdato > 365)
             / count(*), 1)                                                            AS pct_over_et_aar
FROM salgsforloeb
WHERE udfald = 'til salg'
GROUP BY ejendomstype
HAVING count(*) >= 200
ORDER BY median_dage DESC

SELECT s.postnummer::int                                                                  AS postnr,
       p.navn                                                                             AS bynavn,
       count(*)                                                                           AS annoncer,
       percentile_cont(0.50) WITHIN GROUP (ORDER BY CURRENT_DATE - s.udbudsdato)::int     AS median_dage,
       round(100.0 * count(*) FILTER (WHERE CURRENT_DATE - s.udbudsdato > 365)
             / count(*), 1)                                                               AS pct_over_et_aar,
       round(percentile_cont(0.50) WITHIN GROUP (ORDER BY s.udbudt_kr_m2)
             FILTER (WHERE s.udbudt_kr_m2 > 0))::int                                      AS median_udbudt_kr_m2
FROM salgsforloeb s
LEFT JOIN (SELECT DISTINCT ON (postnr) postnr, navn
             FROM postnummer ORDER BY postnr, registreringstid DESC) p
       ON p.postnr = s.postnummer::int
WHERE s.udfald = 'til salg'
  AND s.ejendomstype = 'villa'
GROUP BY s.postnummer, p.navn
HAVING count(*) >= 40
ORDER BY median_dage DESC

WITH pn AS (
  SELECT percentile_cont(0.50) WITHIN GROUP (ORDER BY CURRENT_DATE - udbudsdato) AS median_dage,
         percentile_cont(0.50) WITHIN GROUP (ORDER BY udbudt_kr_m2)
           FILTER (WHERE udbudt_kr_m2 > 0)                                       AS median_kr_m2
  FROM salgsforloeb
  WHERE udfald = 'til salg' AND ejendomstype = 'villa'
  GROUP BY postnummer
  HAVING count(*) >= 40
)
SELECT count(*)                                                     AS postnumre,
       round(corr(ln(median_kr_m2), ln(median_dage))::numeric, 3)    AS pearson_log
FROM pn
WHERE median_kr_m2 > 0 AND median_dage > 0