Siden salgstoppen er prisindekset for enfamiliehuse steget 4,5 % — og antallet af salg faldet 5,7 %

Den her analyse begyndte med en formodning, ikke med et tal. Ejeren af Ejendata var overbevist om, at det danske boligmarked var på vej ned. Det er en helt almindelig formodning at gå rundt med i efteråret 2026, og den er let at finde belæg for, hvis man leder efter belæg. Derfor blev den skrevet op som en hypotese med en forudsætning: hvis markedet er på vej ned, skal prisindekset falde.

Det gør det ikke. Danmarks Statistiks sæsonkorrigerede prisindeks for enfamiliehuse står i 112,4 i 1. kvartal 2026. Det er den højeste værdi i hele den serie, der begynder i 1. kvartal 2005, og indekset er steget 6 kvartaler i træk. Det samme gælder ejerlejligheder (124,2, steget 8 kvartaler i træk) og sommerhuse (114,9, 8 kvartaler). På priserne er hypotesen falsificeret.

Men den har fat i noget. Antallet af salg — det samme datasæt, det samme kvartal, den samme sæsonkorrektion — er faldet 2 kvartaler i træk for alle tre boligtyper. For enfamiliehuse fra 14.739 i 3. kvartal 2025 til 13.892 — et fald på 5,7 %. For ejerlejligheder 12,5 %. Der bliver handlet mindre, samtidig med at priserne stiger.

Det er hele fundet, og det er værd at skrive ned præcist: priserne steg, mens der blev handlet mindre. Ikke at det ene skete på grund af det andet. Afsnittet Hvad tallene ikke forklarer handler om forskellen.

De to tal står i samme tabel hos Danmarks Statistik og måler det samme marked i det samme kvartal. Tegnet i hver sin graf ser de ud som to historier; tegnet i samme ramme er de én. Linjen er prisindekset, søjlerne er antallet af salg, og den stiplede lodrette linje er 3. kvartal 2025 — det kvartal, hvor der blev handlet flest enfamiliehuse i de foregående tre år.

Samme graf for ejerlejligheder. Her er udslaget større i begge retninger: prisindekset er steget 10,0 % siden 3. kvartal 2025, og antallet af salg er faldet 12,5 %.

To ting er værd at holde fast i, når man ser på søjlerne. Den ene er, at 13.892 salg ikke er et lavt tal: det er 94,7 % over seriens laveste kvartal (7.135 i 4. kvartal 2008), og 7 af de 11 foregående kvartaler havde færre salg end 1. kvartal 2026. Den anden er, at faldet er reelt og varer ved i 2 kvartaler. Begge dele er sande på én gang.

Procenterne i denne tabel er ikke vores. De står i Danmarks Statistiks egen opgørelse ved siden af niveauerne, og de er taget med, netop så en læser kan se, at vores aritmetik og statistikkens giver det samme. Det er også her, vendepunktet i volumen kan aflæses: for enfamiliehuse er ændringen i antal salg positiv til og med 3. kvartal 2025 og negativ derefter, mens ændringen i prisindekset er positiv hele vejen igennem.

Hvis hypotesen skal have en fair chance, må den prøves mod noget. Serien indeholder to perioder, hvor prisindekset for enfamiliehuse faktisk faldt og blev nede, og de ser ikke ud som nu.

Efter 1. kvartal 2007 faldt indekset fra 81,7 til 64,5 — et fald på 21,1 % — og lå under sin gamle top i 45 kvartaler, altså mere end elleve år. Efter 1. kvartal 2022 var faldet 6,5 % over 10 kvartaler. Begge gange begyndte nedturen med, at indekset faldt. I 1. kvartal 2026 er indekset sit eget højeste punkt, og der er derfor ingen bjælke i højre side af grafen herunder.

Det siger ikke noget om, hvad der sker efter 1. kvartal 2026. Et indeks, der er på sit højeste, kan falde i næste kvartal — det gjorde det i 1. kvartal 2007 og i 1. kvartal 2022. Men det er ikke sket endnu i de tal, der findes, og en analyse, der påstår andet, gætter.

Kombinationen lyder påfaldende, og det er en god grund til at tælle efter, før man gør et nummer ud af den. Af de 84 kvartaler i serien er enfamiliehusenes prisindeks steget, samtidig med at antallet af salg faldt, i 20 af dem. Det er den næsthyppigste af de fire mulige kombinationer — kun «begge dele op» (40 kvartaler) forekommer oftere.

Med andre ord: det, vi ser, er ikke en anomali. Det er en helt almindelig kvartalskombination, som markedet har været i cirka hver fjerde gang siden 2005. Det gør faldet i volumen mindre dramatisk, end en enkelt overskrift kan få det til at lyde — og det er en af de ting, man kun opdager ved at tælle.

Faldet i antal salg er ikke båret af ét område. For enfamiliehuse faldt antallet fra 3. kvartal 2025 til 1. kvartal 2026 i alle fem regioner — hvor meget i hver, står i kolonnen «Ændring» i tabellen herunder. At en bevægelse går samme vej i fem uafhængigt opgjorte områder, gør den sværere at afvise som støj. For landet som helhed er faldet 5,7 %.

Men prisen kan vi ikke dele op. Danmarks Statistik offentliggør ikke det sæsonkorrigerede prisindeks regionalt i denne tabel — kun for hele landet. Tabellen herunder viser derfor tomme celler i prisindeks-kolonnen for alle fem regioner, og vi lader dem stå tomme i stedet for at fylde dem ud med noget, vi selv har regnet. Det betyder, at sætningen «priserne stiger» i denne analyse gælder Danmark som helhed og ikke nødvendigvis et hvilket som helst område i landet.

Der mangler også volumen-tal: ejerlejligheder i Region Sjælland og Region Syddanmark offentliggøres ikke, formentlig fordi grundlaget er for lille. Også de celler står tomme.

Serien med både pris og volumen begynder i 1. kvartal 2005. Vil man længere tilbage, findes der en ældre prisserie — Danmarks Statistiks tabel EJ5 — der går tilbage til 1. kvartal 1992. Den har ingen volumen og ingen sæsonkorrektion, og den har et andet basisår: her er 2006 = 100, hvor den nye serie har 2022 = 100. De to indeks kan derfor ikke lægges i forlængelse af hinanden; de er to forskellige linealer, og grafen herunder er den gamle alene.

Linjen gør tre ting tydelige. For det første er den lange bevægelse opad: fra 31,0 i 1992 til 127,9 i 2022 for enfamiliehuse. For det andet er 2007–2012 den eneste virkelig dybe vending i hele perioden. For det tredje skiller ejerlejligheder sig ud: de faldt dybest efter 2007 og steg siden kraftigst — fra 22,8 til 146,1 — og det mønster går igen i de nye tal, hvor ejerlejligheder både stiger mest i pris og falder mest i volumen.

Det er den forskel, hele analysen står og falder med, så den skal skrives helt ud.

En gennemsnitspris er summen af købesummerne delt med antallet af handler. Den flytter sig, hver gang sammensætningen af det handlede flytter sig. Sælges der et kvartal flere store huse i Nordsjælland og færre små i Vestjylland, stiger gennemsnittet — også hvis ingen enkelt bolig er blevet en krone dyrere.

Et prisindeks forsøger netop at fjerne den effekt. Danmarks Statistik beregner det ved at sammenholde salgsprisen med den offentlige ejendomsvurdering for de samme ejendomme, så indekset måler prisen på en bolig med givne egenskaber frem for prisen på den tilfældige kurv af boliger, der blev handlet. Når vi skriver, at «priserne stiger», er det indekset, vi mener.

Sæsonkorrektion er en model, ikke en måling. Der handles systematisk mere om foråret end om vinteren. Sæsonkorrektionen fjerner det mønster med en statistisk model, så to kvartaler kan sammenlignes direkte. Men modellen er et skøn, den revideres, når nye kvartaler kommer til, og et sæsonkorrigeret tal er derfor ikke en optælling — det er en beregning. Alle hovedtallene i denne analyse er sæsonkorrigerede.

De to mål kan pege hver sin vej i det samme kvartal, og det gør de her. Danmarks Statistiks ikke sæsonkorrigerede gennemsnitspris for et frit handlet enfamiliehus faldt fra 3.179.000 kr. i 4. kvartal 2025 til 3.111.000 kr. i 1. kvartal 2026 — mens det sæsonkorrigerede prisindeks i det samme kvartal steg fra 110,4 til 112,4. To mål, modsatte fortegn, samme marked. Der er mindst to grunde, som tallene ikke kan skille ad: gennemsnittet er ikke sæsonkorrigeret, og det bærer sammensætningen af det handlede med sig. Hvilken af dem der vejer tungest, ved vi ikke.

At priserne steg, mens der blev handlet mindre, er en beskrivelse. Det er ikke en forklaring, og de to tal kan ikke i sig selv fortælle, hvorfor de gik hver sin vej. Der findes mindst tre oplagte forklaringer, som vi ikke har målt — og formentlig flere:

1. Renteforholdene. Prisen på et boliglån bestemmer, hvor meget en køber kan låne, og hvor tillokkende det er for en sælger med et billigt lån at flytte. Vi har ingen rentedata i denne analyse overhovedet, og kan derfor hverken be- eller afkræfte, at renten har noget med bevægelsen at gøre.

2. Udbuddet. Færre handler kan lige så godt skyldes, at der blev sat færre boliger til salg, som at færre ville købe. De to ser identiske ud i et salgstal, men de betyder stik modsatte ting for prisen. Antallet af nye udbud indgår ikke i Danmarks Statistiks tabeller her.

3. Sammensætningen af det handlede. Indekset korrigerer for boligernes egenskaber, men korrektionen er en model. Skifter sammensætningen kraftigt — flere dyre bykvarterer, færre billige landdistrikter — bærer indekset en rest af det. Det er den mest tekniske af de tre, og den er svær at udelukke.

Dertil kommer alt det, ingen af kilderne måler: beskæftigelse, flyttemønstre, boligbeskatning, forventninger. Vi fremskriver heller ikke. En tidsserie, der har peget opad i seks kvartaler, er ikke en prognose om et syvende.

Datagrundlaget. Alle tal i analysens hovedafsnit kommer fra Danmarks Statistiks statistikbank, hentet ind i vores egen database som tabellen dst_ejendomspris. Tre statistikker indgår: EJ121 (sæsonkorrigeret prisindeks og antal salg, 1. kvartal 2005–1. kvartal 2026), EJ5 (den lange prisserie fra 1. kvartal 1992) og EJEN77 (gennemsnitspriser og antal salg fra 1. kvartal 1992). Vi har ikke omregnet, vægtet eller justeret DST’s tal — forespørgslerne nederst på siden henter dem, som de står, og stiller dem op ved siden af hinanden.

Hvorfor tabellerne pivoteres. Danmarks Statistik lægger prisindeks og antal salg som rækker i samme tabel, adskilt af feltet noegletal. Hver forespørgsel vender dem til kolonner med FILTER, så de to kurver står i samme række. Det er den eneste ændring, vi laver ved DST’s tal, og den er ren omstilling — ingen værdi ændres.

«Salgstoppen». Det kvartal, vi sammenligner med, er det med flest salg blandt de seneste tolv — altså de seneste tre år. Tærsklen er den samme for alle tre boligtyper, og den er valgt, fordi seriens største kvartal nogensinde ligger i 2021 under helt andre renteforhold og ikke er en rimelig målestok for nutiden. For alle tre boligtyper falder den på 3. kvartal 2025.

Nedgangsepisoderne. En episode er et sammenhængende forløb, hvor prisindekset lå under sin hidtil højeste værdi. Vi tæller kun forløb på mindst to kvartaler, som kom mindst 1 % under toppen — ellers ville en afrunding på 0,1 indekspoint tælle som en nedtur. Tærsklen er den samme for alle tre boligtyper.

Årsgennemsnit i den lange serie. EJ5 er kvartalsvis. Grafen og tabellen over 1992–2022 viser gennemsnittet af årets fire kvartalsindeks. Kolonnen «Kvartaler med tal» står i tabellen, så et år med færre end fire kvartaler kan ses frem for at snige sig igennem som et almindeligt punkt.

Ingen tærskel for antal. Denne analyse aggregerer ikke over enkeltejendomme, og der er derfor ingen n-grænse som i vores øvrige analyser. Til gengæld har Danmarks Statistik sine egne diskretionsgrænser, og hvor de har undladt at offentliggøre et tal, står cellen tom.

1. Vores egne handelstal kan ikke bruges til det her — og det er præcis den fejl, analysen advarer imod. Ejendata har en tabel med enkelthandler, og det ville være oplagt at bygge en analyse af handelsvolumen på den. Den ville have været forkert. Boligsidens handelshistorik har svaret 403 siden juli 2026, og tabellen er derfor holdt op med at blive fyldt. I vores database står der 15.664 handler i juni 2025 og 5 i september 2026. Det er et fald på over 99 %, og det findes ikke. Det er vores dataindsamling, der er brudt sammen, ikke boligmarkedet. Vi viser tallene herunder, fordi en begrænsning, man kan se, er mere værd end en, man skal tro på — og fordi vi selv var ved at lave den fejl. Hele analysen hviler derfor udelukkende på Danmarks Statistik.

2. 1. kvartal 2026 er det nyeste, Danmarks Statistik har. Analysen er skrevet den 16. september 2026, altså midt i 3. kvartal 2026, men det seneste kvartal med tal er 1. kvartal 2026 — offentliggørelsen halter et halvt år efter. Vi ved derfor ingenting om 2. og 3. kvartal 2026. Både priserne og volumen kan have vendt, uden at det kan ses her. Analysen siger noget om, hvad der er sket til og med 1. kvartal 2026, og intet om, hvad der er sket siden — og den antyder ingen retning efter 1. kvartal 2026.

3. Et prisindeks er ikke en gennemsnitspris, og sæsonkorrektion er en model. Begge dele er forklaret i sit eget afsnit, og det hører også hjemme her: ingen enkelt boligejer kan aflæse sin egen bolig i et indekstal. 112,4 betyder, at en bolig med givne egenskaber i gennemsnit handles 12,4 % over basisåret 2022 — ikke at et bestemt hus er steget. Sæsonkorrigerede tal revideres desuden bagud, når nye kvartaler kommer til, så en genkørsel om et år kan give lidt andre tal for de samme kvartaler.

4. Prisen kender vi kun for hele landet. Danmarks Statistik offentliggør ikke det sæsonkorrigerede prisindeks regionalt i EJ121. Vi kan derfor sige, at antallet af salg faldt i alle fem regioner, men ikke om prisen steg i hver af dem. «Priserne stiger» gælder Danmark som helhed. Ejerlejligheder i Region Sjælland og Region Syddanmark offentliggøres slet ikke, heller ikke i volumen.

5. Den lange serie stopper i 2022. EJ5 rækker tilbage til 1. kvartal 1992, men Danmarks Statistik holdt op med at opdatere boligkategorierne i den efter 2022. Tabellen over de 31 år kan derfor ikke forlænges frem til i dag, og den kan heller ikke lægges i forlængelse af den nye serie: EJ5 har basisår 2006, EJ121 har 2022, og de er beregnet på hver sin måde. Enhver sammenligning mellem «dengang» og «nu» i denne analyse går gennem EJ121, som dækker begge dele.

6. Tre boligtyper, ikke hele markedet. EJ121 dækker enfamiliehuse, ejerlejligheder og sommerhuse. Rækkehuse, landejendomme, udlejningsejendomme, andelsboliger og erhverv er ikke med. Når vi skriver «boligmarkedet», er det de tre typer, vi taler om.

7. Hvad analysen ikke bruger. Der indgår hverken tingbogsdata, offentlige vurderinger, energimærker eller BBR 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. Til gengæld arver den alt, hvad der gælder Danmarks Statistiks egne opgørelser, herunder deres revisioner og diskretionsgrænser.

Hver blok herunder er én forespørgsel mod Ejendatas database. Teksten er den, der faktisk kørte — ikke en renskrevet udgave. Tabellen dst_ejendomspris er vores kopi af Danmarks Statistiks statistikbank (EJ121, EJ5, EJEN77), hentet 16. september 2026; handel er vores egen — og i denne analyse bruges den udelukkende til at vise, at den ikke kan bruges.

SELECT tabel_kode,
       count(*)                                   AS raekker,
       count(*) FILTER (WHERE vaerdi IS NOT NULL) AS raekker_med_tal,
       min(periode)                               AS foerste_periode,
       max(periode)                               AS seneste_periode,
       count(DISTINCT omraade)                    AS omraader,
       count(DISTINCT ejendomstype)               AS boligtyper,
       count(DISTINCT noegletal)                  AS noegletal,
       max(fetched_at)::date                      AS hentet_fra_dst
FROM dst_ejendomspris
WHERE tabel_kode IN ('EJ121', 'EJ5', 'EJEN77')
GROUP BY tabel_kode
ORDER BY tabel_kode

WITH s AS (
  SELECT ejendomstype, periode,
         max(vaerdi) FILTER (WHERE noegletal = 'Prisindeks, sæsonkorrigeret') AS pris,
         max(vaerdi) FILTER (WHERE noegletal = 'Antal salg, sæsonkorrigeret')  AS salg
  FROM dst_ejendomspris
  WHERE tabel_kode = 'EJ121' AND omraade = 'Hele landet'
  GROUP BY 1, 2
), r AS (
  SELECT *,
         row_number() OVER (PARTITION BY ejendomstype ORDER BY periode DESC)   AS bagfra,
         pris > lag(pris) OVER (PARTITION BY ejendomstype ORDER BY periode)    AS pris_steg,
         salg < lag(salg) OVER (PARTITION BY ejendomstype ORDER BY periode)    AS salg_faldt
  FROM s
), nu AS (
  SELECT ejendomstype, periode, pris, salg FROM r WHERE bagfra = 1
), pristop AS (
  SELECT DISTINCT ON (ejendomstype) ejendomstype, periode, pris
  FROM r ORDER BY ejendomstype, pris DESC
), salgstop AS (
  SELECT DISTINCT ON (ejendomstype) ejendomstype, periode, pris, salg
  FROM r WHERE bagfra <= 12 ORDER BY ejendomstype, salg DESC
), salgsbund AS (
  SELECT DISTINCT ON (ejendomstype) ejendomstype, periode, salg
  FROM r ORDER BY ejendomstype, salg ASC
), prisstime AS (
  SELECT ejendomstype, min(bagfra) - 1 AS n
  FROM r WHERE pris_steg IS DISTINCT FROM true GROUP BY 1
), salgsstime AS (
  SELECT ejendomstype, min(bagfra) - 1 AS n
  FROM r WHERE salg_faldt IS DISTINCT FROM true GROUP BY 1
)
SELECT nu.ejendomstype,
       nu.periode                                   AS nyeste_kvartal,
       nu.pris                                      AS prisindeks_nu,
       pristop.periode                              AS prisindeks_top_kvartal,
       pristop.pris                                 AS prisindeks_top,
       prisstime.n                                  AS kvartaler_med_prisstigning,
       nu.salg                                      AS salg_nu,
       salgstop.periode                             AS salgstop_kvartal,
       salgstop.salg                                AS salgstop,
       salgsstime.n                                 AS kvartaler_med_salgsfald,
       round(100 * (nu.pris / salgstop.pris - 1), 1) AS pris_pct_siden_salgstop,
       round(100 * (nu.salg / salgstop.salg - 1), 1) AS salg_pct_siden_salgstop,
       salgsbund.periode                             AS salgsbund_kvartal,
       salgsbund.salg                                AS salgsbund,
       round(100 * (nu.salg / salgsbund.salg - 1), 1) AS salg_pct_over_bunden,
       (SELECT count(*) FROM r f
         WHERE f.ejendomstype = nu.ejendomstype
           AND f.bagfra BETWEEN 2 AND 12
           AND f.salg < nu.salg)                     AS af_11_foregaaende_kvartaler_med_faerre_salg
FROM nu
JOIN pristop    USING (ejendomstype)
JOIN salgstop   USING (ejendomstype)
JOIN salgsbund  USING (ejendomstype)
JOIN prisstime  USING (ejendomstype)
JOIN salgsstime USING (ejendomstype)
ORDER BY nu.ejendomstype

WITH k AS (
  SELECT ejendomstype, periode,
         max(vaerdi) FILTER (WHERE noegletal = 'Prisindeks, sæsonkorrigeret')                             AS prisindeks,
         max(vaerdi) FILTER (WHERE noegletal = 'Prisindeks, ændring i forhold til kvartalet før (pct.)')  AS pris_aendring_pct,
         max(vaerdi) FILTER (WHERE noegletal = 'Antal salg, sæsonkorrigeret')                             AS antal_salg,
         max(vaerdi) FILTER (WHERE noegletal = 'Antal salg, Ændring i forhold til kvartalet før (pct.)')  AS salg_aendring_pct,
         row_number() OVER (PARTITION BY ejendomstype ORDER BY periode DESC)                              AS bagfra
  FROM dst_ejendomspris
  WHERE tabel_kode = 'EJ121' AND omraade = 'Hele landet'
  GROUP BY ejendomstype, periode
)
SELECT ejendomstype, periode, prisindeks, pris_aendring_pct, antal_salg, salg_aendring_pct
FROM k
WHERE bagfra <= 9
ORDER BY ejendomstype, periode

SELECT periode,
       max(vaerdi) FILTER (WHERE ejendomstype = 'Enfamiliehuse'
                             AND noegletal = 'Prisindeks, sæsonkorrigeret') AS enfam_prisindeks,
       max(vaerdi) FILTER (WHERE ejendomstype = 'Enfamiliehuse'
                             AND noegletal = 'Antal salg, sæsonkorrigeret')  AS enfam_salg,
       max(vaerdi) FILTER (WHERE ejendomstype = 'Ejerlejligheder, i alt'
                             AND noegletal = 'Prisindeks, sæsonkorrigeret') AS lejl_prisindeks,
       max(vaerdi) FILTER (WHERE ejendomstype = 'Ejerlejligheder, i alt'
                             AND noegletal = 'Antal salg, sæsonkorrigeret')  AS lejl_salg
FROM dst_ejendomspris
WHERE tabel_kode = 'EJ121' AND omraade = 'Hele landet'
GROUP BY periode
ORDER BY periode

WITH s AS (
  SELECT ejendomstype, periode, vaerdi,
         max(vaerdi) OVER (PARTITION BY ejendomstype ORDER BY periode)  AS hidtil_top,
         lag(periode) OVER (PARTITION BY ejendomstype ORDER BY periode) AS forrige_kvartal
  FROM dst_ejendomspris
  WHERE tabel_kode = 'EJ121' AND omraade = 'Hele landet'
    AND noegletal = 'Prisindeks, sæsonkorrigeret' AND vaerdi IS NOT NULL
), g AS (
  SELECT *,
         sum(CASE WHEN vaerdi < hidtil_top THEN 0 ELSE 1 END)
           OVER (PARTITION BY ejendomstype ORDER BY periode) AS episode
  FROM s
)
SELECT ejendomstype,
       min(forrige_kvartal)                            AS topkvartal,
       max(hidtil_top)                                 AS topindeks,
       min(periode)                                    AS foerste_kvartal_under,
       max(periode)                                    AS sidste_kvartal_under,
       count(*)                                        AS kvartaler_under_toppen,
       min(vaerdi)                                     AS bundindeks,
       round(100 * (min(vaerdi) / max(hidtil_top) - 1), 1) AS dybde_pct
FROM g
WHERE vaerdi < hidtil_top
GROUP BY ejendomstype, episode
HAVING count(*) >= 2 AND min(vaerdi) / max(hidtil_top) <= 0.99
ORDER BY ejendomstype, 4

WITH s AS (
  SELECT ejendomstype, periode,
         max(vaerdi) FILTER (WHERE noegletal = 'Prisindeks, ændring i forhold til kvartalet før (pct.)') AS dpris,
         max(vaerdi) FILTER (WHERE noegletal = 'Antal salg, Ændring i forhold til kvartalet før (pct.)') AS dsalg
  FROM dst_ejendomspris
  WHERE tabel_kode = 'EJ121' AND omraade = 'Hele landet'
  GROUP BY 1, 2
)
SELECT ejendomstype,
       count(*)                                          AS kvartaler,
       count(*) FILTER (WHERE dpris > 0 AND dsalg < 0)    AS pris_op_salg_ned,
       count(*) FILTER (WHERE dpris > 0 AND dsalg > 0)    AS begge_op,
       count(*) FILTER (WHERE dpris < 0 AND dsalg < 0)    AS begge_ned,
       count(*) FILTER (WHERE dpris < 0 AND dsalg > 0)    AS pris_ned_salg_op
FROM s
WHERE dpris IS NOT NULL AND dsalg IS NOT NULL
GROUP BY ejendomstype
ORDER BY ejendomstype

WITH land AS (
  SELECT ejendomstype, periode, vaerdi,
         row_number() OVER (PARTITION BY ejendomstype ORDER BY periode DESC) AS bagfra
  FROM dst_ejendomspris
  WHERE tabel_kode = 'EJ121' AND omraade = 'Hele landet'
    AND noegletal = 'Antal salg, sæsonkorrigeret'
), kvartaler AS (
  SELECT DISTINCT ON (ejendomstype) ejendomstype,
         periode                                       AS salgstop_kvartal,
         (SELECT max(periode) FROM land)               AS nyeste_kvartal
  FROM land WHERE bagfra <= 12
  ORDER BY ejendomstype, vaerdi DESC
)
SELECT d.omraade, d.ejendomstype,
       k.salgstop_kvartal,
       k.nyeste_kvartal,
       max(d.vaerdi) FILTER (WHERE d.noegletal = 'Antal salg, sæsonkorrigeret'
                               AND d.periode = k.salgstop_kvartal)             AS salg_salgstop,
       max(d.vaerdi) FILTER (WHERE d.noegletal = 'Antal salg, sæsonkorrigeret'
                               AND d.periode = k.nyeste_kvartal)               AS salg_nyeste,
       round(100 * (max(d.vaerdi) FILTER (WHERE d.noegletal = 'Antal salg, sæsonkorrigeret'
                                            AND d.periode = k.nyeste_kvartal)
                  / nullif(max(d.vaerdi) FILTER (WHERE d.noegletal = 'Antal salg, sæsonkorrigeret'
                                                   AND d.periode = k.salgstop_kvartal), 0)
                  - 1), 1)                                                     AS salg_pct,
       max(d.vaerdi) FILTER (WHERE d.noegletal = 'Prisindeks, sæsonkorrigeret'
                               AND d.periode = k.nyeste_kvartal)               AS prisindeks_nyeste
FROM dst_ejendomspris d
JOIN kvartaler k ON k.ejendomstype = d.ejendomstype
WHERE d.tabel_kode = 'EJ121'
  AND d.periode IN (k.salgstop_kvartal, k.nyeste_kvartal)
GROUP BY d.omraade, d.ejendomstype, k.salgstop_kvartal, k.nyeste_kvartal
ORDER BY d.ejendomstype, d.omraade

SELECT * FROM (
SELECT periode,
       max(vaerdi) FILTER (WHERE noegletal = 'Gennemsnitlig pris pr. ejendom (1000 kr)') AS snitpris_1000_kr,
       max(vaerdi) FILTER (WHERE noegletal = 'Beregnet antal salg')                      AS antal_salg,
       max(vaerdi) FILTER (WHERE noegletal = 'Salg ved prisberegning (antal)')           AS salg_bag_snitprisen
FROM dst_ejendomspris
WHERE tabel_kode = 'EJEN77' AND omraade = 'Hele landet'
  AND ejendomstype = 'Enfamiliehuse' AND overdragelsesform = 'Almindelig fri handel'
GROUP BY periode
ORDER BY periode DESC
LIMIT 13
) x
ORDER BY periode

SELECT left(periode, 4)::int AS aar,
       count(*) FILTER (WHERE ejendomstype = 'Enfamiliehuse' AND vaerdi IS NOT NULL)          AS kvartaler_med_tal,
       round(avg(vaerdi) FILTER (WHERE ejendomstype = 'Enfamiliehuse'), 1)                    AS enfam_indeks,
       round(avg(vaerdi) FILTER (WHERE ejendomstype = 'Ejerlejligheder, i alt'), 1)           AS lejl_indeks,
       round(avg(vaerdi) FILTER (WHERE ejendomstype = 'Sommerhuse'), 1)                       AS sommerhus_indeks
FROM dst_ejendomspris
WHERE tabel_kode = 'EJ5' AND noegletal = 'Indeks'
  AND ejendomstype IN ('Enfamiliehuse', 'Ejerlejligheder, i alt', 'Sommerhuse')
GROUP BY 1
HAVING count(*) FILTER (WHERE vaerdi IS NOT NULL) > 0
ORDER BY 1

SELECT to_char(date_trunc('month', salgsdato), 'YYYY-MM')             AS maaned,
       count(*)                                                      AS handler_i_vores_database,
       count(DISTINCT kilde)                                         AS kilder,
       max(count(*)) OVER ()                                         AS hoejeste_maaned_i_vinduet,
       first_value(to_char(date_trunc('month', salgsdato), 'YYYY-MM'))
         OVER (ORDER BY count(*) DESC
               ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS hoejeste_maaned
FROM handel
WHERE salgsdato >= (date_trunc('month', CURRENT_DATE) - interval '23 months')::date
  AND salgsdato < date_trunc('month', CURRENT_DATE) + interval '1 month'
GROUP BY 1
ORDER BY 1