De Performance van Nederlands V astgoed in 1995 "een analyse aan de hand van éénjaar ROZIIPD INDEX"
Einddoct~rd.alscriptie
Universiteit Maastricht Faculteit der Economische Wetenschappen en Bedrijfskunde Vakgroep Financiering Paul van de V aart E 915350 begeleiding: Prof. dr. P.M.A. Eichholtz drs. A.C. Hordijk
augustus 1997
v~
'B 6 ..u,.~e,; ·~·: ·~·:; .~ .l'\ -r- -~ 0·') N1 f"'\ t ·~....- ~ r
Voorwoord
Het thans voor u liggende verslag vormt de afronding van mijn studie Bedrijfseconomie aan de Universiteit van Maastricht. De scriptie is geschreven in het kader van mijn afstudeerrichting Financiering, waarbinnen een interesse voor vastgoed gewekt is. Mijn stage voor de Raad van Onroerende Zaken vervulde deze interesse en stond als basis voor de scriptie. Er werd mij de unieke mogelijkheid geboden een eerste onderzoek uit te voeren met behulp van data van de ROZ/IPD INDEX. Deze index zal in de toekomst dé vastgoed-database van Nederland gaan worden. Mijn dank gaat dan ook uit naar Aart Hordijk die altijd de tijd nam om mij te woord te staan en de inspirerende kracht was om deze klus te klaren. Ook Piet Eichholtz wist zijn immer positieve instelling op mij te projecteren. Tevens gaat mijn dank uit naar iedereen van de Stichting voor Beleggings- en Vastgoedkunde te Amsterdam waar ik een prettige tijd heb kunnen werken en alle wenselijke ondersteuning kreeg. Tenslotte wil ik mijn vriendin en mijn ouders bedanken die mij wisten te steunen en alle geduld konden opbrengen in het nemen van deze laatste berg.
Paul van de Vaart
Samenvatting: Aan de hand van de data van de recentelijk tot stand gekomen ROZ/IPD INDEX is een eerste analyse gemaakt van de Nederlandse vastgoedmarkt op regionaal niveau. Het onderzoek kreeg de vorm van een cross-sectionele analyse op coropniveau, aangezien er nog geen historische cijfers beschikbaar waren en de data vertrouwelijk zijn, zodat ze op een geaggregeerd niveau moesten worden aangeleverd. De eerste aanbeveling die gemaakt is, betreft daarom ook de beperking van de onderzoeksmogelijkheden. Er zal in de toekomst optimaal gebruik gemaakt moet worden van de onuitputtelijke database die de ROZ/IPD INDEX zal kunnen gaan verschaffen. Er moeten afspraken gemaakt worden met de institutionele beleggers zodat gegevens op objectniveau beschikbaar komen zonder dat de vertrouwelijkheid geschaad wordt. Tevens zal de toekomst om een in het dagelijks gebruik handzamere index gaan vragen. Er zijn recentelijk methoden ontwikkeld, waaronder de repeated-measures-regression-method, waarmee een betrouwbare kwartaal of zelfs een maandelijkse index geconstrueerd kan gaan worden. Aan de hand van beschrijvende statistieken is de conclusie getrokken dat op plaatsen waar zich een grote concentratie vastgoedbeleggingen bevindt, niet noodzakelijk het grootste rendement behaald wordt. De gebieden in de randstad hebben over het algemeen een lager rendement dan de gebieden in het noorden of het oosten van het land, hoewel de omvang van deze laatste gebieden natuurlijk marginaal is. Gebieden in de randstad hebben over het algemeen wel lagere yields hetgeen zou moeten betekenen dat zij dus minder risikovol zijn. De geconstateerde huren op de kantorenmarkt in de randstad waren wel over het algemeen van een hoger niveau dan in de rest van het land. We constateerden dat de markthuren op de kantorenmarkt van lager niveau zijn dan de werkelijk ontvangen huren, maar dat de situatie op de winkelmarkt een tegenovergesteld beeld gaf. De spreiding van het totale rendement op de kantorenmarkt was sterk geconcentreerder dan de situatie op de winkel en de woningmarkt. Regionale diversificatie binnen een sector was dus het meest effectief voor deze laatste twee markten. De correlatiecoëfficiënten tussen de performancemaatstaven van de verschillende sectoren hadden een zeer laag niveau wat aangeeft dat diversificatie tussen de sectoren effectief is. Ondanks de regionale verschillen kon er een eenduidig gemiddelde gegeven worden van een bepaalde sector. Dit betekent dat er over het algemeen geen deelverzamelingen binnen een verdeling van performancecijfers zichtbaar was, dat van een afwijkend niveau was. De verschillende performancebeïnvloedende factoren die in verband werden gebracht met de winkel, de kantorenmarkt en de woningmarkt gaven geen sterke verbanden. We vonden een significant verband tussen de hoogte van de bevolking en de netto inkomensgroei van de winkelmarkt, maar we zagen ook sterke verbanden tussen de hoogte van de koopkracht en de huren per vierkante meter. We constateerden een negatief verband tussen het directe rendement en de hoogte van de beroepsbevolking en het bruto regionaal produkt op de kantorenmarkt, hetgeen veroorzaakt is door de leegstand in de randstad. De dichtheid van de werkzame beroepsbevolking had ook een relatief sterke correlatiecoëfficiënt van 0,66 met de hoogte van de huren per vierkante meter op de kantorenmarkt, maar ook een hoger bruto regionaal proudukt kan in verband kan in verband worden gebracht met hogere werkelijke- en markthuren.
1. INLEIDING.•..............•....................•...............•.........•.....................•........................•...........•..........•.........•.........••..... 1 1.1 INlEIDING ................................................................................................................................................................... 1 1.2 DE PROBLEEMSTElLINGEN ........................................................................................................................................ 2 1.3 ONROEREND GOED ..................................................................................................................................................... 4 1.3.1 Inleiding ............................................................................................................................................................. 4 1.3.2 Het onderzoekskader.......................................................................................................................................... 4 1.4 BElEGGER EN INVESTEERDER .................................................................................................................................... 6 1.5 DIRECT EN INDIRECT VASTGOED ................................................................................................................................ 6 1.6 DE MODERNE PORTEFEUII.1.E TfiEORIE ....................................................................................................................... 7 1.7 DIVERSIFICATIE ........................................................................................................................................................ 10 1.7.1 Inleiding ........................................................................................................................................................... 10 1. 7.2 Per sector ......................................................................................................................................................... 10 1.7.3 Per regio ........................................................................................................................................................... 11 1. 7.4 Sector of regio .................................................................................................................................................. 11 1.8 DEVASTGOEDCYCLUS .............................................................................................................................................. 12 1.9 SAMENVATTING........................................................................................................................................................ 14
2. DE ROZJIPD-INDEX .............................................................................................................................................. 15 2.1.1 Inleiding ........................................................................................................................................................... 15 2.1.2 De geschiedenis................................................................................................................................................ 15 2.1.3 De index als benchmark................................................................................................................................... 16 2.1.4 De parifolio analyse ......................................................................................................................................... 17 2.1.5 De waarderingen.............................................................................................................................................. 17 2.1.6 Het rendement en de performance ................................................................................................................... 20 2.2 PROBLEEMGEBIEDENVAN EEN TAXATIEINDEX ........................................................................................................ 21 2.2.1 Inleiding ........................................................................................................................................................... 21 2.2.2 Smoothing and lagging .................................................................................................................................... 22 2.3 DE ROZIIPD INDEX EN DE TOEKOMST ................................................................................................................. 23 2.3.1 Inleiding ........................................................................................................................................................... 23 2.3.2 De gebruiksmogelijkheden ............................................................................................................................... 23 2.3.3 De onderzoeksmogelijkheden .......................................................................................................................... 24 2.4 CONCLUSIE ............................................................................................................................................................... 25
3. DE NEDERLANDSE VASTGOEDMARKT....................................................................................................... 26 3.1 INlEIDING ................................................................................................................................................................. 26 3.2 HETBElEGDE VERMOGEN ........................................................................................................................................ 26 3.2.1 Inleiding ........................................................................................................................................................... 26 3.2.2 De drie sectoren ............................................................................................................................................... 27 3.3 DEWERKEWKEHUURENMARK'IHUURPERM 2 ...................................................................................................... 28 3.3.1 Inleiding ........................................................................................................................................................... 28 3.3.2 De winkelmarkt ................................................................................................................................................ 28 3.3.3 De kantorenmarkt. ........................................................................................................................................... 29 3.4 DE KAPITAAL GROEI ................................................................................................................................................. 31 3.4.llnleiding ........................................................................................................................................................... 31 3.4.2 De winkelmarkt ................................................................................................................................................ 31 3.4.3 De kantorenmarkt. ........................................................................................................................................... 32 3.4.4 De woningmarkt............................................................................................................................................... 32 3.5 HETDIRECTRENDEMENT ......................................................................................................................................... 32 3.5.1 Inleiding ........................................................................................................................................................... 32 3.5.2 De drie sectoren ............................................................................................................................................... 32 3.6 HET TOTAlE RENDEMENT ........................................................................................................................................ 33 3.6.1 De drie sectoren ............................................................................................................................................... 33 3.7 HETDIRECT- INDIRECT- ENTOTAALRENDEMENTINDEWONINGSECTOR ................................................................ 34 3.8 DEGROEIVANDEOPENMARK1HUURWAARDE ........................................................................................................ 35 3.8.1 Inleiding ........................................................................................................................................................... 35 3.8.2 De drie sectoren ............................................................................................................................................... 35 3.9 DE NETTO INKOMENSGROEI. ..................................................................................................................................... 36 3.9.1 Inleiding ........................................................................................................................................................... 36 3.9.2 De drie sectoren ............................................................................................................................................... 36
3.10 DE CURRENT GROSS YlEID ..................................................................................................................................... 36 3.10.1 Inleiding ......................................................................................................................................................... 36 3.10.2 De drie sectoren ............................................................................................................................................. 37 3.11 DE REVERSIONARY GROSS YIELD ........................................................................................................................... 37 3.11.1 Inleiding ......................................................................................................................................................... 37 3.11.2 De drie sectoren ............................................................................................................................................. 38 3.12 DEREVERSIONARYPOTENTIAL .............................................................................................................................. 38 3.12.1 Inleiding ......................................................................................................................................................... 38 3.12.2 De drie sectoren ............................................................................................................................................. 38 3.13 CONCLUSIE ............................................................................................................................................................. 39 4. DIVERSIFICATIE IN NEDERLAND ................................................................................................................. 40
4.1 INLEIDING ................................................................................................................................................................. 40 4.2 NORMAll1EITEN DE DATA ....................................................................................................................................... 41 4.2.1 Het gemiddelde van de markt .......................................................................................................................... 41 4.2.2 De regionale spreiding .................................................................................................................................... 43 4.3 DE PEARSON CORRElATIE ........................................................................................................................................ 44 4.4 DE CLUSTERANALYSE .............................................................................................................................................. 45 4.5 CONCLUSIE ............................................................................................................................................................... 47 5. DE REGIONAAL ECONOMISCHE GEGEVENS ............................................................................................ 48
5.1 INLEIDING ................................................................................................................................................................. 48 5.2 PERFORMANCEBEÏN"VLOEDENDE FACTOREN ............................................................................................................ 48 5.3 ANALYSEVANDEIDKAIEECONOMIE ..................................................................................................................... 49 5.4 DE WERKINGVAN DE VASTGOEDMARKT .................................................................................................................. 49 5.4.1 De regionale grenzen ....................................................................................................................................... 50 5.5 DE ECONOMISCfiE AC11VITEIT .................................................................................................................................. 51 5.5.1 Inleiding ........................................................................................................................................................... 51 5.6 DE WERKZAME BEROEPSBEVOLKING ....................................................................................................................... 52 5.6.1 Inleiding ........................................................................................................................................................... 52 5.6.2 Totale werkzame beroepsbevolking ................................................................................................................ 52 5.6.3 Veranderingen in werkzame beroepsbevolking............................................................................................... 52 5.7 HET BRUTO REGIONAAL PRODUKT .......................................................................................................................... 52 5.8 HETINKOMEN .......................................................................................................................................................... 53 5.9 DEBEVOLKING(SGROEI) .......................................................................................................................................... 53 5.10 CONCLUSIE ............................................................................................................................................................. 54 6. VERBANDENVANECONOMISCHEFACTORENENDEIPDPERFORMANCEMAATSTAVEN .... 55
6.1 INLEIDING ................................................................................................................................................................. 55 6.2 DE METifCDEN EN TEC.HNIEKEN ............................................................................................................................... 55 6.3 DE WINKELMARKT.................................................................................................................................................... 56 6.4 DE KANTORENMARKT .............................................................................................................................................. 57 6.5 DE WONINGMARKT ................................................................................................................................................... 61 6.6 CONCLUSIE ............................................................................................................................................................... 62 7. CONCLUSIE ........................................................................................................................................................... 63 8. GERAADPLEEGDE LITERATUUR .................................................................................................................. 66 APPENDIX ................................................................................................................................................................A
Het derde hoofdstuk geeft een beschrijving van de data. De 40 gebieden worden met elkaar vergeleken en er wordt gezocht naar geografische verschillen. De extremen worden vermeld en een uitgangspunt voor verdere analyse wordt hier gemaakt. Het vierde hoofdstuk gaat in op de mogelijke analyses van de data en zal met conclusies komen betreffende het jaar 1995. Er wordt onder andere bekeken of er een eenduidig cijfer kan worden toegekend aan het prijsvorming van vastgoed in Nederland, waarna de mogelijkheden van regionale diversificatie of diversificatie per sector worden onderzocht. Het vijfde hoofdstuk geeft een beschrijving van de verschillende gekozen economische variabelen en zal de noodzaak van dit type onderzoek rechtvaardigden. Met andere woorden, worden de onderzoeksmogelijkheden op korte termijn in kaart gebracht. Er wordt een beschrijving gemaakt van de gekozen regio-indeling en de invloed van en de theorie over de werking van de performancebepalende factoren op de marktwerking van vastgoed wordt vermeld. Het zesde hoofdstuk gaat over de toepassing van de in het vijfde hoofdstuk vermelde theorie. In dit hoofdstuk worden daadwerkelijk de analyses uitgevoerd en de conclusies vermeld. Verschillende bevindingen worden door middel van correlatiecoëfficiënten toegelicht.
1.2 De Probleemstellingen
Het onderzoek dat met behulp van de ROZ/IPD INDEX gedaan is, is een verkennend onderzoek. De deelvragen hebben betrekking op een beschrijvend en een empirisch/analytisch gedeelte. Aangezien de hoofdvraag een verkennend onderzoek is, wordt er geen eenduidige hypothese getoetst. De verschillen in performance op coropniveau worden verondersteld een verband te houden met algemene regionale factoren. Een veronderstelling betreffende het verband wordt gemaakt en deze wordt aan de hand van de verschillende correlatiecoëfficiënten getoetst.
Deze scriptie zal concreet antwoord proberen te geven op de onderstaande vragen:
•
Hoofdvraag: Welke economische factoren hebben verband met of invloed op de marktwerking van Nederlands vastgoed in 1995 en zijn cross-sectioneef te analyseren?
•
Deelvraag: Wat zijn de onderzoeksmogelijkheden op korte termijn met de ROZI/PO INDEX?
2
•
Deelvraag: Kunnen we de omvang en de performance van beleggingen in Nederlands vastgoed in kaart brengen op regionaal niveau? Wat zijn de verschillen en overeenkomsten tussen de regio's en de sectoren?
•
Deelvraag: Kunnen we een éénduidig cijfer toekennen aan de performance van vastgoed uit de drie sectoren op de totale Nederlandse markt? Zouden we kunnen zeggen dat Nederland per sector een homogene markt is?
•
Deelvraag: Wat waren de diversificatiemogelijkheden in 1995? Kunnen we de conclusie trekken dat diversificatie tussen de drie sectoren efficiënter is dan regionale diversificatie?
•
Deelvraag: Kunnen we aan de hand van de performanceresultaten over 1995 een veronderstelling maken in welke fases van de Vastgoedcyclus het Nederlands vastgoed zich zou kunnen bevinden?
3
1.3
Onroerend goed
1.3.1 Inleiding Onder onroerend goed of vastgoed verstaan we alles wat onverplaatsbaar is. Hieronder rekenen we de grond en alles wat daarop gebouwd is (van Gooi, Wiesz en van Wetten, 1993). Juristen spreken over onroerende zaken en verstaan hieronder ook alle zaken die door bestemming bij het gebouw horen alsmede de rechten op die goederen. Er bestaat een wezenlijk onderscheid tussen een belegger in onroerend goed en een investeerder in onroerend goed. Bij beleggen in onroerend goed staat de functie als vermogensobject voorop, terwijl investeren meer betrekking heeft op de aanwending van onroerend goed als produktiemiddeL Dit verschil zal nader uitgelegd worden in paragraaf 1.4. Vastgoed kunnen we vanuit beleggersoogpunt onderverdelen in grond, winkels, kantoorgebouwen, woningen, bedrijfsruimten, overheidsgebouwen en infrastructurele werken. De laatste jaren wordt de parkeerplaats ook in dit rijtje geschoven. Al deze gebouwen hebben een andere gebruikersfunctie en hebben daarom ook elk andere karakteristieken die van belang kunnen zijn voor een belegger. Voor ieder van de categorieën is er een aparte deelmarkt ter onderscheiden die allen ook verschillende marktspecifieke kenmerken hebben. Uitwisseling tussen de categorieën kan nauwelijks plaatsvinden gezien de beperkte mogelijkheden hiervoor. Kantoren kunnen moeilijk worden omgebouwd tot winkels door verschillen in fysieke opbouw maar ook door de locatiekeuzes voor kantoren en winkels. Dit breng tot zich mee dat er de onroerend goed markt verdeeld is in een aantal deelmarkten, die erg onafhankelijk van elkaar zijn. Verschillende economische-, of marktfactoren zullen verschillende invloed hebben op de deelmarkten. Ook de verhouding tussen de vraag en het aanbod zal per deelmarkt verschillen (Dubben, 1993). De beleggingsmarkt voor onroerend goed heeft dus niet dezelfde kenmerken als andere beleggingsmarkten, welke veroorzaakt wordt door de bijzondere karakteristieken van onroerend goed en maken het daardoor noodzakelijk deze karakteristieken te doorgronden. Door de onverplaatsbaarheid onroerend goed is zij kwetsbaar voor ontwikkelingen in de directe omgeving, doordat een keuze voor een voor een gebouw samenvalt met de keuze van een locatie. Voor beleggers in onroerend goed is het noodzakelijk om dus kennis van regionale en locale invloeden op onroerend in acht te nemen, omdat de resultaten hiervan afhankelijk zijn. In de volgende paragraaf zal het proces van beleggen in vastgoed schematisch weergegeven worden, hetgeen de verschillende invloeden op vastgoed in kaart zal brengen en hetgeen een kader geeft voor de plaats van het in deze scriptie beschreven onderzoek.
1.3.2 Het onderzoekskader Het vastgoed-beleggingsproces dat beschreven is door Jaffe en Sirmans (1989) kan als kader dienen voor ons onderzoek. Het proces dat schematisch is weergegeven in figuur 1.1 vermeldt de verschillende invloeden die betrekking hebben op het beleggen in onroerend goed, maar ook welke beslissingstasen of analyses een belegger moet doorlopen. Zoals we zien bestaat het beleggingsproces uit verschillende stappen. De eerste stap is het bepalen van de doeleinden en de restricties van de betrokken partijen. Ondanks dat de belegger de uiteindelijke beslissing neemt op basis van haar doelstellingen, zijn er meestal nog drie participanten die invloed kunnen hebben op het beslissingsproces. Dit zijn de financiers, de huurders en de overheid. De tweede stap is het analyseren van het investeringsklimaat en marktcondities. Doordat de marktcondities een invloed hebben op de ontwikkeling van het rendement en dus ook het risiko is het van belang hier een goede inschatting van te maken. De factoren die invloed hebben op het rendement vinden hun oorsprong in een viertal omgevingen. Deze kunnen beschreven worden als de marktomgeving, de juridische omgeving, de financiële omgeving en de fiscale omgeving.
4
De derde stap is het maken van een schatting van de toekomstige opbrengsten. De voorspelling van de toekomstige cash-flows is afhankelijk van de exploitatiewijze van het pand. De exploitatiewijze is direct bepalend voor het toekomstige rendement. De vierde stap kan men beschouwen als het toetsen van de schattingen aan de beslissingscriteria die gesteld zijn in de eerste stap. Deze toetsing kan gebeuren aan de hand van verschillende modellen en methoden die in het tweede hoofdstuk behandeld worden. De vijfde stap is de uiteindelijke acceptatie of de verwerping van de investering op basis van de uitkomsten van de in stap vier toegepaste analyse. Figuur 1.1
The Real Estate lnvestment Process
STEP 1: ldentify lnvestor's Objectives. Goals, and Constraints
lncome Taxatien
I ......--......----'
Rules of Thumb Techniques
Traditional Valuarion Techniques
Figure 1-1 Real Estate Investment Proeess. Source: Austin J. Jaffe and C. F. Sirmans, Real Estate lncestrnt!nt D«ision .\.fc.lcing, 1982, p. 8. Reprint.ed by permission of Prentice-Hall, Inc., Englewood Cliifs, N.J.
STE? 5: lnvestment Decision
5
De hoofdvraag van deze scriptie stelt tot doel verbanden te onderzoeken van verschillende performancebeïnvloedende factoren met de periomanee van vastgoed in de winkel-, de kantoren, en de woningsector. Het is een voorbeeld van een analyse die een belegger zou kunnen toepassen om de invloed van enkele marktfactoren op zijn belegging in kaart te brengen. Het kader van het onderzoek kan dus gezien worden als een toetsing van het effect van de marktomgeving uit de tweede stap in het beleggingsproces, op de verkregen cash-flow. De marktomgeving kan gezien worden als het samenspel van onder andere het inkomen, demografische factoren, aanbodfactoren en economische trends.
1.4 Belegger en investeerder In het licht van onze beschouwingen over onroerend goed is het verstandig een onderscheid te maken tussen twee typen aanbieders van vastgoed. We maken een onderscheid tussen beleggers en investeerders omdat beide benamingen nogal eens door elkaar gebruikt worden. Aan de hand van Lukkes' (1986) onderscheid in investeerders en beleggers in vaste activa kunnen we concluderen, dat een belegger andere belangen heeft dan een investeerder. De investeerder kan over het algemeen aangeduidt worden als een gebruiker van een pand, om er in combinatie met andere produktiemiddelen opbrengsten uit te genereren. In andere termen kunnen we spreken over onroerend goed als produktiemiddel en als vermogensobject Deze twee kunnen worden onderscheiden waardoor er ook verschillende markten voor ontstaan. Dit zijn de markten voor de gebruikers van ruimte en de beleggers in ruimte, welke in hoofdstuk 5 aan bod komen.
bron: Lukkes 1986
1.5 Direct en indirect vastgoed Er bestaan twee mogelijkheden wanneer een belegger zijn oog op onroerend goed laat vallen: Zij kan rechtstreeks eigendom verwerven in onroerend goed objecten en zij kan dit doen door middel van het verwerven van aandelen in fondsen die op hun beurt wel weer rechtstreeks onroerend goed in eigendom hebben. Zelf en rechtstreeks beheren is direct beleggen en via een tweede een belang hebben in onroerend goed objecten is een indirecte manier van beleggen. Het zou eenvoudig zijn wanneer we op deze manier een definitie voor de beide begrippen konden afbakenen. De realiteit zit echter wat gecompliceerder in elkaar. We zouden kunnen zeggen dat er een soort overgangsgebied bestaat tussen de twee begrippen. Veel directe beleggingen worden namelijk nogal eens om organisatorische en fiscale redenen ondergebracht in aparte dochterondernemingen, waarvan de moeder een groot deel of alle aandelen bezit. Een Nederlands voorbeeld is het belang van het Algemeen Burgerlijk Pensioenfonds (ABP) in het Kantorenfonds Nederland. Een betiteling als een indirecte belegging zou hier niet terecht zijn. Het is in feite gewoon een directe belegging. Van Gooi, Weisz en van Wetten (1993) definiëren een directe belegging daarom als een belegging waarbij de belegger én een meerderheidsbelang heeft in het onroerend goed, al dan niet via dochters, én de zeggenschap heeft over het management, al dan niet via de dochters. Alle andere gevallen kunnen we betitelen als indirecte beleggingen in vastgoed. Deze definiëring is de juiste maar praktisch is zij zeker niet in onze context. De ROZ/IPD Index is een taxatie-index. Deze index bevat informatie die verkregen is door het directe beheer van vastgoed. Onder het directe beheer verstaan we dus niet het meerderheidsbelang in een dochteronderneming. We leggen de juiste definiëring dus naast ons neer om verwarring te voorkomen. Het is belangrijk om onderscheid te maken in de twee mogelijkheden om in onroerend goed te beleggen omdat beide typen andere karakteristieken bezitten.
6
De voordelen van directe beleggingen rollen eigenlijk al uit de gebruikte term 'direct'. Door middel van een rechtstreekse belegging is het mogelijk zelf de regio, de sector of de tijdsperiode te bepalen. De indirecte vastgoedmarkt is in Nederland nog niet zo goed ontwikkeld dat er zoveel verschillende fondsen bestaan als verschillende wensen van beleggers. Een locale belegger met een goede marktkennis van een bepaalde regio zal dus naar alle waarschijnlijkheid een belegger met een geringere kennis over de regio kunnen outperformen. Dit is één van de hoofdredenen, waarom beleggers bij internationale vastgoedbeleggingen over het algemeen indirect gaan. Andere voordelen van het beleggen in direct vastgoed kunnen subsidies of gunstige fiscale aspecten zijn, maar ook moet men het belang van de emotionele en esthetische aspecten niet onderschatten. De nadelen van directe beleggingen moeten natuurlijk niet onderschat worden. Een directe vastgoedbelegging is over het algemeen erg kapitaal intensief, hetgeen betekent dat wanneer een belegger een gediversificeerde portefeuille wil samenstellen, er aanzienlijke bedragen neergeteld moeten worden. De liquiditeit van een onroerend goed belegging is hierdoor ook een stuk lager dan bijvoorbeeld van aandelen op een aandelenmarkt. Deze illiquiditeit wordt ook veroorzaakt doordat er zulke hoge transactiekosten van toepassing zijn. Tenslotte moet er bij een directe vastgoedbelegging rekening worden gehouden met de beheerskosten, die bij een gediversificeerde portefeuille aandelen van vastgoedfondsen, natuurlijk aanzienlijk kleiner zijn.
1.6 De moderne portefeuille theorie Deze paragraaf beschrijft de bestaande portefeuille theorie en het toepassen van deze theorie op het beleggen in direct vastgoed. Het is belangrijk om dit te behandelen omdat vastgoed mede door de ROZ/IPD INDEX een steeds grotere rol zal gaan spelen. Het beheer van direct vastgoed wordt namelijk beter te kwantificeren, waardoor er een brug geslagen kan worden naar bestaande beleggingstheorieën. De mogelijkheden van deze toepassing worden eigenlijk beperkt door de veronderstellingen die ten grondslag liggen aan deze theorie en de kenmerken van vastgoed. De moderne portefeuille theorie is in 1952 door Markowitz beschreven (Brealy en Myers, 1993). Hij vestigde in zijn artikel de aandacht op de diversificatiemogelijkheden van een portefeuille aandelen welke tot heden ten dagen de basis voor het handelen van beleggers is en als uitgangspunt heeft gestaan voor vele onderzoeken. De hoofdgedachte van zijn theorie is dat door het opnemen van verschillende aandelen in een portefeuille het totale risiko afneemt zonder dat het rendement lager wordt. Dit komt doordat de rendementsveranderingen van de aandelen een verschillend patroon hebben. Deze rendementsveranderingen zijn verschillend omdat ze anders reageren op een verandering van bepaalde veranderingen van omstandigheden in de omgeving. Het is duidelijk geworden dat deze theorie niet alleen toegepast kan worden op aandelen maar ook op andere vermogenstitels. De toevoeging van onroerend goed aan een portefeuille zou dus het risiko kunnen verkleinen terwijl de rendementen gelijk blijven. Deze theorie is in de volgende formules van het rendement en het risiko vastgelegd: -rp = XA*rA + Xs*rs ()
2
(rp) = X A~(rA)+ X s ~(rs) + 2XAXs COV(rA,rs) 2
2
rp cr2 (rp)
= rendement van de totale portefeuille
Xa
= het aandeel van een vermogenstitel Q in de portefeuille
= risiko van de portefeuille
ra
= het rendement van vermogenstitel Q
COV(rA,rs)
= de covariantie tussen de rendementen
Wanneer de bovenstaande covarianties van de individuele vermogenstitels dus niet helemaal gelijk zijn aan elkaar, kan het individuele of het unieke risiko weg worden gediversifiëerd door het opnemen van meerdere objecten. Het wegdiversificeren van dit specifieke risiko leidt tot het marktrisiko, wat kan worden weergegeven in de volgende figuur 1.6.1:
7
Fiauur 1.6.1
risiko uniek risiko
1-----------_.:.::=--- marktrisiko 5
10
15
20
aantal objecten
Omdat een belegger streeft naar een zo'n hoog mogelijk rendement bij een zo'n laag mogelijk risiko, kunnen we alle andere mogelijke portefeuilles worden genegeerd. We zien dat er een aantal mogelijkheden in het gekozen risiko en het bijbehorende rendement ontstaan, wat kan grafisch worden weergegeven in de efficiënte marktlijn (figuur 1.6.2). Op deze grenslijn liggen de portefeuilles die voor een rationele belegger zijn efficiënte keuze alternatieven vormen. Fl9!Jur 1.6.2
verwacht rendement efficiënte marktlijn
~ risiko
Een model dat hierop voortborduurt is het Capita! Asset Pricing Model (CAPM) van Sharp, Lintner en Treynor. Zij ontwikkelden in de jaren 60 een model dat het risiko kan kwantificeren. Een belegger wist namelijk niet wat het te eisen rendement moest zijn bij een bepaald gegeven risiko. Met andere woorden men moest weten wat de prijs van risiko was. Het CAPM gaat uit van de veronderstelling dat het verwachte risiko zich proportioneel verhoudt tot het systematische risiko van het vermogenstitel. Omdat het niet-systematische risiko helemaal weggediversifieerd is, wordt hier geen rekening meer mee gehouden. De markt heeft een bèta van 1 en de bèta van een bepaalde vermogenstitel geeft de verhouding weer ten opzichte van de marktbewegingen. Het door beleggers geëiste rendement voor een bepaalde vermogenstitel is als volgt te bepalen:
R = Rt +~(Rm -Rt) R = minimaal geïste rendement
RF risikovrije rentevoet ~=Bèta
Rm = verwacht marktrendement
Deze formule geeft de Security Market Line weer in onderstaande figuur 1.6.3.
8
Fiauur 1.6.3
verwacht rendement
Rm Rr
Bèta
1
De moderne portefeuille theorie en het Capita! Asset Pricing Model zijn aan een aantal veronderstellingen onderhevig, welke door Fama geformuleerd (Fama, 1968): Ten eerste streven beleggers naar nutsmaximalisatie; Zij zijn risiko-avers en kunnen hun beslissingen alleen maken aan de hand van verwachte hoogte en verandering van het rendement. Ten tweede hebben alle beleggers eenzelfde beleggingshorizon en de verwachting en de standaardafwijking van het rendement zijn bekent. Ten derde wordt er vanuit gegaan dat er een perfecte markt bestaat: dit betekent dat er geen belastingen zijn, dat informatie niets kost en voor iedereen beschikbaar is. Ook zijn alle vermogenstitels oneindig deelbaar en kan elke belegger onbeperkt bij- en uitlenen tegen dezelfde risikovrije rentevoet. Ten vierde hebben alle beleggers de gelijke mogelijkheid tot portefeuillesamenstelling en ze interpreteren de verwachting en standaardafwijking op gelijke wijze. Wanneer we deze veronderstellingen zien, zouden we al direct kunnen concluderen dat we bovenstaande theorieën niet in de praktijk kunnen toepassen. Geen enkele markt en vooral niet de vastgoedmarkt zou hieraan kunnen voldoen. Toch wordt het Capita! Asset Pricing Model nog steeds toegepast, en de basisprincipes behouden hun geldigheid. De verkregen conclusies moeten dan wel op hun juiste waarde worden ingeschat. De vastgoedmarkt bezit bijzondere karakteristieken die niet overeenstemmen met de veronderstellingen van het model en daardoor is het zinnig op enkele van deze dieper in te gaan. De eerste de veronderstelling die ten grondslag ligt aan het CAPM, is de veronderstelling van een perfecte markt. Natuurlijk is geen enkele realistische markt perfect. De vastgoedmarkt heeft een aantal karakteristieken, die het niet waarschijnlijk maken dat de vastgoedmarkt een perfecte markt is. De vastgoedmarkt is bijvoorbeeld erg heterogeen en illiquide, met erg omvangrijke objecten, zodat de partijen die zich op de markt kunnen begeven erg beperkt zijn. Alleen de partijen die over voldoende middelen beschikken kunnen rechtstreeks op de vastgoedmarkt beleggen. Er is maar een geringe mogelijkheid van toe of uittreding die veroorzaakt wordt door de geringe mogelijkheden van de verhandelbaarheid van de objecten. De mogelijkheid om een object snel te verkopen wordt omschreven door de liquiditeit van de van de vastgoedmarkt. Over het algemeen kan worden gezegd dat de vastgoedmarkt illiquide is. Dit komt door de eerder genoemde heterogeniteit van de objecten en de omvang van de objecten. Een snelle verkoop moet dan met aanzienlijke prijsconcessies gepaard gaan. Dit betekent dat beleggers in onroerend goed naast het systematische risiko ook een liquiditeitsrisiko lopen, hetgeen een hogere bèta zal impliceren. Er is zeker geen sprake van vrije en kosteloos beschikbare informatie in de vastgoedmarkt. De transacties worden wel allemaal vastgelegd in het kadaster en zijn voor iedereen toegankelijk, maar dit is echter niet voldoende om een goed inzicht in de markt te krijgen. De verschillende voorwaarden en randafspraken worden namelijk niet vastgelegd en er wordt door het kadaster geen verslag gedaan van de huurafspraken of huumiveaus. Deze informatie is juist voor beleggers van groot belang. Informatie over de markt kan in principe wel door iedereen verkregen worden bij
9
makelaars en taxateurs, hoewel dan niet voldaan wordt aan het criterium dat de informatie kosteloos moet zijn. Transactiekosten spelen daadwerkelijk een rol in de vastgoedmarkt. Over het algemeen zal een verkoop van onroerend goed slechts plaatsvinden tegen hoge transactiekosten, die deels te maken hebben met de administratieve afwerking van de verkoop, maar voor het grootste deel door de overheid. Deze laatste is in elk geval zes procent overdrachtsbelasting van de verkoopsom en moet voldaan worden door de koper. Wanneer het aanbod of de vraag verandert zal er slechts gekocht of verkocht worden als de transactiekosten terugverdiend worden. Aan de hand van de bovenstaande argumenten kunnen we concluderen dat de vastgoedmarkt niet perfect is, nog voldoet zij aan de criteria van de moderne portefeuille theorie. Er zijn wel een aantal factoren die erop wijzen dat de onroerend goed markt in bepaalde mate efficiënt is, want er zijn een voldoende aantal partijen van voldoende omvang op de markt aanwezig. Zij kunnen allen dezelfde informatie gebruiken van dezelfde locale makelaars, hetzij tegen een bepaalde prijs. Aangezien de prijs geen invloed heeft op de efficiëntie en aangezien bij de beschikbare informatieset geen economische voordelen behaald kunnen worden is het mogelijk een efficiënte markt te veronderstellen (Gau 1987).
1. 7 Diversificatie 1.7.1 Inleiding Wanneer een portefeuillehouder een gediversificeerde portefeuille wil gaan samenstellen, zal er over het algemeen een top-down strategie gevoerd worden. Dat wil zeggen dat er eerst een beslissing genomen moet worden welke verschillende beleggingsmogelijkheden gebruikt gaan worden. Over het algemeen zal gekozen worden uit de groep van aandelen, obligaties en vastgoed. Wanneer er besloten wordt vastgoed in de portefeuille op te nemen, zal er opnieuw een keuze gemaakt moeten worden uit de verschillende soorten vastgoed. In onder andere een studie van Goetzmann en lbbotson(1990) is aangetoond dat vastgoed lage correlaties heeft met obligaties en aandelen. Meestal zal binnen een vastgoedportefeuille een diversificatiestrategie gevoerd worden op basis van verschillen in sectortype of op basis van geografische regio's (Eichholtz, Hoesli, MacGregor, Nanthakumaran, 1995). Deze twee dimensies worden in deze paragraaf uitvoerig besproken aan de hand van verschillende onderzoeken in de Verenigde Staten en het Verenigd Koninkrijk, met betrekking tot het diversificatiepotentieel van deze twee. De ROZ/IPD INDEX gaat op termijn deze analyse-mogelijkheid ook geven voor de Nederlandse markt. In hoofdstuk 4 van deze scriptie wordt hier een voorproefje van gegeven.
1.7.2 Per sector Ten eerste bestaat de mogelijkheid tot diversificatie per sector of per vastgoedtype. Er wordt eigenlijk bekeken in hoeverre er in één regio verschillen in performance per sector-type zijn. Over het algemeen wordt het vastgoed verdeeld in een winkelsector, een kantorensector, een woningsector en een bedrijfsgebouwensector. Deze verdeling wordt gemaakt omdat er verondersteld wordt dat binnen één sector er een homogene verdeling van de performance aanwezig is. Deze homogene verdeling van de performance ontstaat doordat de performance van verschillende objecten binnen een sector op eenzelfde manier beïnvloed worden door verschillende economische factoren. Een aantal van deze factoren wordt beschreven in hoofdstuk 5.
10
1.7.3 Per regio De tweede mogelijkheid is het blootleggen van verschillen in performance binnen één sector over verschillende regio's. Dat zal over het algemeen veroorzaakt worden doordat er verschillen bestaan in regionale economie. Er moet wel een juiste regioverdeling aanwezig zijn, zodat de onderliggende economische factoren een homogene invloed hebben op de marktwerking van het vastgoed. Deze regionale verschillen van een aantal economische factoren worden in verband gebracht met de performance van vastgoed in hoofdstuk 5. De studie van Glenn R. Mueller (1993) heeft aangetoond dat er een onderscheid gemaakt kan worden in diversificatie op basis van geografische regio's, economisch-geografische regio's en economische regio's. Het onderzoek besloeg de rendementen van de jaren 1973 tot en met 1990 over een aantal objecten van een anoniem fonds in de Verenigde Staten. De eerste geografisch regionale indeling werd gemaakt op basis van de Russeii-NCREIF Property Index. Amerika werd verdeeld in het Westen, Midwesten, het Oosten en het Zuiden. De tweede indeling was de 'Salomon Brothers Eight-Region Segmentation'. Dit zijn acht regio's waarvan verondersteld werd dat ze economisch homogeen zijn. De laatste geografische indeling was op economische basis; deze werd samengesteld uit de aantallen mensen werkzaam in een bepaalde beroepsgroep. De conclusie die getrokken kon worden, was dat de verdeling op economische basis de efficiëntste was van de drie. De economische/geografische indeling die wij met onze coropindeling gebruiken kwam op een tweede plaats te staan.
1.7.4 Sector of regio Er is onderzoek gedaan naar de meest efficiënte manier tot diversificeren in de Verenigde Staten en het Verenigd Koninkrijk. De aandacht wordt gevestigd op de mogelijkheid tot diversifiëren tussen verschillende sectoren binnen één regio en het diversifiëren tussen verschillende regio's binnen één sector. Aangezien verschillende onderzoeken ook verschillende resultaten hebben kan er geen éénduidige conclusie worden getrokken. Hieronder zullen een aantal studies worden aangehaald om een overzicht van het vakgebied te krijgen. Ten eerste bekeken we het onderzoek van Eichholtz, Hoesli, MacGregor, en Nanthakumaran uit 1995. Dit rapport was gebaseerd op data van de Amerikaanse en de Engelse markt uit de jaren tachtig. Aan de hand van verschillende correlatiematrices zijn efficiënte grenzen geconstrueerd tussen het rendement en het risiko. Een andere gebruikte methode was een principale componentenanalyse op basis van de arbitrage pricing theory die ontwikkeld is door Ross. De conclusies die getrokken werden gaven een tegenovergesteld beeld in de twee landen. In Amerika is het effectiever om de winkelsector op regionale basis te diversifiëren, terwijl dat niet voor de kantorenmarkt en de kantoren en R & D markt gold. In Engeland was het effectiever om de winkelmarkt te combineren met de andere sectoren, terwijl voor de andere twee sectoren het effectief was om op én regionale basis én op basis van sector te diversifiëren. De studie van Hartzell, Hekman and Miles (1986) heeft de diversificatiemogelijkheden van vastgoed op vijf manieren bekeken. Er is onderscheid gemaakt in de rendementen op basis van geografische ligging, de sector, de omvang van het object, de groei van de "metropolitan statistica! area" en de huurtermijnen. Zij concluderen onder andere dat er zich binnen het vastgoed een significant diversificatiepotentieel bevond tussen de categorieën maar dat het zeer kostbaar was om vastgoed te diversifiëren. Zij stelden een meer uitgebreide segmentatie voor met een onderscheid in de huurtermijnen en de metropolitan statistica! area's dan met de gangbare categorieën. De studie van Miles en McGue (1982) onderzoeken de diversificatiemogelijkheden tussen sectoren en regio's op basis van de noteringen van vastgoedfondsen aan Wall Street en andere Amerikaanse beurzen, over de periode van 1972 tot en met 1978. Er worden drie sectoren onderscheiden: De winkelsector, de kantorensector, de woningsector en als vierde de "diversen"sector. De regio's worden aangegeven door het aantal staten en indeling op basis van marktconcentratie. De totale markt verdeeld in marktconcentraties, geeft eenzelfde beeld als de
11
verdeling in staten. De algemene conclusie is dat diversificatie op basis van sectoren het meest efficiënt is. Van alle studies hebben alleen Miles en McCue de conclusie getrokken dat diversificatie per sector efficiënter is dan diversificatie per regio. Verschillende onderzoekers hebben echter aangetoond dat deze resultaten zijn verkregen omdat er geen goede regio-indeling was gemaakt. De regionale indeling moest meer op basis van homogene economische gronden gemaakt worden dan op basis van bestuurlijke gronden.
1.8 De vastgoedcyclus Deze paragraaf behandelt de vastgoedcyclus. Dit onderwerp bespreken we omdat het bleek, dat we met behulp van data uit één jaar waarschijnlijk iets konden gaan zeggen over de marktwerking van vastgoed op termijn. Met andere woorden kunnen we met behulp van de verkregen data over 1995 een indicatie krijgen van de positie van verschillende sectoren op de cyclus. We benadrukken met name 'de indicatie', omdat we een aantal veronderstellingen in acht moesten nemen waarmee onze gedachtengang valt of staat. Onze bevindingen zijn daarom met resultaten met een marktreport van DTZ Zadelheft (1996) vergeleken. Een opmerkelijke karakteristiek van vastgoed is dat de performance net als de economische conjunctuur zich in een soort varkenscyclus begeeft. De vastgoedcyclus is gedefinieerd als een terugkerende maar onregelmatige fluctuatie in het totale rendement van vastgoed en wat ook zichtbaar is in andere indicatoren van activiteiten in vastgoed, desnoods met enige vertragingen of versnellingen(RICS, 1994). Het theoretische terugkerende patroon wordt eigenlijk gevormd door de vertraging van het aanbod ten opzichte van de vraag naar ruimte. Deze vertraging zorgt ervoor dat de prijs van onroerend goed en dus het rendement oploopt, totdat het aanbod zich aan de vraag heeft aangepast. Naast deze rendementscyclus bestaat er dus ook een cyclus van de activiteit in de nieuwbouw, welke hierop een vertraging vertoont. Kennis over een juiste positionering van de hedendaagse vastgoedmarkt in de cyclus zal een indicatie kunnen geven van toekomstige rendementsentwikkeling van vastgoed, hetgeen een uitermate interessant onderwerp vormt en natuurlijk alle aandacht verdient. Door middel van de totstandkoming van de ROZ/IPD INDEX is het mogelijk een verhouding te geven tussen de werkelijke huur en de door de taxateurs geschatte markthuur. Omdat de werkelijke huren niet continu worden aangepast aan de markt, vanwege de langere looptijd van de huurcontracten kan de markthuur beschouwd worden als het huurniveau waar de werkelijke huren zich nog niet hebben kunnen aanpassen. Dit betekent dat de werkelijke huur met een vertraging de markthuur zal volgen. We zouden dus een veronderstelling kunnen maken van de richting van ontwikkeling van de werkelijke huur, hetgeen een indicatie kan zijn voor de positie op de vastgoedcyclus en de richting van de rendementsentwikkeling van vastgoed. De juiste positie op de vastgoedcyclus kan alleen maar bevestigd worden, wanneer we relatieve verschillen tussen de jaren weten. Hier zullen we minstens drie jaar data voor nodig hebben. De data die ons beschikbaar zijn kunnen hoogstens een schatting geven of we in een opgaande markt of in een neergaande markt zitten, hetgeen veroorzaakt wordt door termijn waarna huurcontracten kunnen worden aangepast. Wanneer we uitgaan van een totale cyclus van 10 jaar en een contractduur van 2 jaar zal er een moment kunnen ontstaan dat de we bijna bovenin de top van de cyclus bevinden, maar toch een opgaande markt concluderen omdat de markthuur hoger is dan de werkelijke huur. In andere woorden kan binnen twee jaar de cyclus een keerpunt vertonen en dus zal een investering na de twee jaar minder renderen. Wij kunnen dus geen conclusie trekken betreffende de ontwikkeling in de tijd, maar 'sec' de positie op dit moment weergeven. Wanneer we over meerdere jaren data beschikken zouden we de relatieve verschillen tussen de markthuur en de werkelijke huur kunnen vergelijken en zodoende wel een duidelijkere visie over de ontwikkeling van het toekomstige rendement kunnen hebben. Een conclusie die wij nu kunnen trekken kan niet anders geïnterpreteerd worden dan bijvoorbeeld: We zitten nu in een opgaande markt dus je had moeten investeren. Het volgende figuur 1.8.1 laat een hele vastgoedcyclus zien en zal onze uiteenzetting verduidelijken.
12
Figuur 1.8.1 fluctuatie van totaal rendement De Vastgoedcyclus
contractsduur van twee jaar
jaar
1
10
5
We hebben de werkelijke ontvangen huren en de markthuren op de winkelmarkt en de kantorenmarkt bekeken en hebben gezien dat de verhoudingen over het algemeen in heel Nederland per sector hetzelfde zijn, maar wat ons ook heeft verbaast is het verschil tussen de kantoren en de winkelmarkt. De kantorenmarkt heeft een markthuur die over het algemeen lager is dan de werkelijke huur en de winkelmarkt heeft een situatie die juist een tegenovergesteld beeld geeft. De twee situaties worden weergegeven in grafiek 1.8.2, waaruit we aan de hand van de redenatie in de vorige alinea concluderen dat de winkelmarkt in een opgaande markt zat en de kantorenmarkt in een neergaande markt. 2
Fiauur 1.8.2 Verschil tussen werkeliike huur en markthuur oer m
..
1:1>
-i
"g
ö. e .,
~~
~ l: () ()
V
~
r
()
~
~ ~ :§ i ~
c
~
ef-c~1
"~:!.;-2:: o ~
" ~ z •
:i
".
.oi
J~
"tJ:2-ó j ~ ~
~
~
1~
e
tg} ~ < ~
~çé
"'tl
r!
.:
~cl
~~-o~ i~ i ~ ~~tä 1ic1~ ~:!~ ~~ t{~~ ~!~~ ~~te-ö o ~ =" " z ~ " 1 • ~ " z o - > ~ o ~ • ~ ~ I ~ ~ ~ ~ t i ~ 1 I 1 • ~ ~ ! &~ ~
[ ; 1j • ~ i ~ ! I i ~ I ç o.Ê >~'i"~ g >éé-t=-?~ Z < < 0 Z 0 ~ N 0 N N > Z ~
g:é~~
;~êe ~
2
g 0
>
~
I
S:é~
ë; :5 < N ~ ~ 0 Z N ~ ~ < Z ~ 0 0 < N N ~ ~ .t 50r-------------------------------------------------------------------------------~
30 10 -10 -30
-50 -70 Oe Winkelmar kt
De Kantorttnmarkt
-90 -110
Aangezien we niet beschikken over de huurniveaus van meerdere jaren is het interessant de geconstateerde situatie te vergelijken met een marktraport waar wel gegevens van meerdere jaren verstrekt zijn. Het jaarlijks gepubliceerde marktraport van de landelijk opererende makelaar DTZ Zadelhaft verschaft de mogelijkheid een vergelijking te maken tussen de opname en het aanbod van kantoorruimte en winkelruimte in de jaren 1990 tot en met 1996. Wanneer we de opname en het aanbod van kantoorruimte op de Nederlandse vrije markt bekijken, zien we dat het aanbod in de jaren 1990 tot en met het jaar 1996 altijd de opname heeft overtroffen (DTZ Zadelhoff, 1996). Een hoger aanbod dan de opname (of de vraag) betekent dat de werkelijke huur moet zakken om de markt in evenwicht te laten komen (zie hoofdstuk 4). Dit scenario komt met onze data overeen. Het verschil tussen de vraag en het aanbod wordt door de jaren heen wel steeds kleiner, dat komt
13
doordat het aanbod afneemt en de vraag toeneemt. Dit zou een indicatie kunnen zijn dat we ons in 1995 in de laatste fase van de neergaande kant van de cyclus zitten. De winkelmarkt liet een patroon zien dat niet zo duidelijk was als de trend op de kantorenmarkt Het aanbod was groter dan de vraag in de jaren 1990 en 1991, waarna het aanbod onder de opname zakte in 1992, 1993 en 1994. In de jaren 1995 en 1996 was de oude situatie van een groter aanbod dan de vraag weer teruggekeerd. Deze situatie in 1995 kwam dus niet overeen met de verhouding tussen de werkelijk ontvangen huur en de markthuur volgens de index, hetgeen betekent dat we hieruit geen directe conclusie kunnen trekken. Deze paragraaf heeft in het teken gestaan van een onderzoek, waar de ROZ/IPD INDEX in de toekomst een grote rol in kan gaan spelen. De index zal de komende jaren data leveren, die de theorie over de vastgoedcyclus kunnen bevestigen, waardoor men op basis van historische gegevens over markthuren en werkelijk ontvangen huren een indicatie kan krijgen van de rendementsontwikkeling van vastgoed. Er is een poging gedaan een rendementsontwikkeling van de winkel- en kantorenmarkt weer te geven aan de hand van gegevens van één jaar, maar aangezien de huurcontracten zich niet direct aan de marktsituatie aanpassen bestaat er altijd de kans dat we een verkeerde conclusie trekken zoals is beschreven in de derde alinea van deze paragraaf.
1.9 Samenvatting Dit eerste hoofdstuk heeft een inleiding gegeven in de ondeiWerpen van deze scriptie en heeft als kader gefungeerd voor verdere theoretische onderbouwing in de volgende hoofdstukken. We hebben de verschillende probleemstellingen behandeld en de opbouw van het hele verhaal vermeld. Het kader van de scriptie is vormgegeven aan de hand van een schema dat het beleggingsproces in kaart brengt. De te analyseren marktomgeving van de tweede stap, hetgeen het te analyseren investeringsklimaat staat als basis voor de hoofdvraag van de scriptie. Ook is de moderne portefeuille theorie beschreven en is de plaats dat vastgoed daarin kan nemen uitgediept, hetgeen de eerste noodzaak voor een algemene benchmark betekende, en verder wordt uitgewerkt in hoofdstuk 2. De bestaande onderzoeken over de mogelijkheden tussen regionale diversificatie en diversificatie per sector staan als basis voor de analyses in hoofdstuk 4. Als eerste toepassing van de verkregen data is een poging gedaan een positie van Nederlands vastgoed op de vastgoedcyclus weer te geven, hetgeen is nagetrokken aan de hand van een publikatie van DTZ Zadelhoff. Aan de hand van een vergelijking van de twee bronnen is een voorzichtige conclusie getrokken dat de kantorenmarkt zich in de laatste fase van een neergaande kant van de cyclus zou kunnen zitten.
14
2.De ROZ/IPD-INDEX1 2.1.1 Inleiding Nederland is het tweede land in Europa en het vierde land in de wereld met een directe vastgoedindex. Deze ROZ/IPD-INDEX is op initiatief van een groot aantal onroerend goed beleggers tot stand gekomen en wordt gecoördineerd door het ROZ, onder leiding van Dhr. Aart Hordijk. Het project wordt technisch en inhoudelijk ondersteund door het IPD. Er is een keuze gemaakt voor het IPD in Engeland omdat zij al geruimere tijd ervaring hadden op dit gebied. Zij verzorgen al 10 jaar eenzelfde index voor het Brits grondgebied. Doordat er zo weinig vergelijkingsmogelijkheden van de index zijn, is er grote zorg besteed aan de samenstelling hiervan. De index moet namelijk de Nederlandse vastgoedgebruiken weergeven. De redenen tot ontwikkeling van de index zijn talrijk. De institutionele beleggers hebben namelijk een instrument in handen gekregen waarmee zij de performance van hun vastgoedbeleggingen kunnen vergelijken ten opzichte van de performance van de totale markt en ten opzichte van beleggingen in bijvoorbeeld aandelen of obligaties. De directe vastgoedbelegging wordt uit de kwalitatieve sfeer gehaald en op een kwantitatieve wijze benaderd. Ook het feit dat de rendementen niet uniform bepaald waren, betekende dat vergelijkingen maken meer natte vingerwerk was dan het gebruiken van harde cijfers. De deelnemers van de index verplichten nu zichzelf een uniforme wijze van waardering te hanteren waardoor een objectieve vergelijking mogelijk is. De ROZ/IPD index is een rendementsindex. Zij geeft zicht in de ontwikkeling in en het niveau van het rendement op vastgoedbèleggingen op Nederlands grondgebied van een 26-tal onroerend goed beleggers. Deze beleggers beslaan in totaal zo'n driekwart van de totale onroerend goed beleggingen in Nederland en hebben een totaal belegd vermogen van 40 miljard gulden. Het zijn voornamelijk de institutionele beleggers die onroerend goed als beleggingsvehikel hebben ontdekt, want het onroerend goed heeft hetzelfde inkomstenpatroon als de lange termijn pensioenverplichtingen. Een constructie van een directe index is geen eenvoudig karwij. De 26 deelnemers moeten hun gegevens afstaan aan het IPD om op basis daarvan individuele portefeuille analyses te maken of een algemene voor iedereen vrijgegeven benchmark samen te stellen. Dit brengt twee problemen met zich mee: het vertrouwelijkheidsprobleem en het eenduidigheidsprobleem. De gegevens worden direct en zonder tussenkomst van het ROZ gestuurd naar het IPD en de gegevens moeten op een zelfde manier aangeleverd worden. Het ROZ heeft in samenwerking met de beleggers en het IPD een standaard input formulier gemaakt, waarnaar elke belegger zijn gegevens moet verstrekken; hierop wordt later in dit hoofdstuk dieper ingegaan.
2.1.2 De geschiedenis Het onderzoek naar de mogelijkheden van een vastgoedindex werd in handen gelegd van een commissie die functioneerde onder de vleugels van de Raad van Onroerende Zaken. De Raad van Onroerende Zaken is een belangenbehartigingsorganisatie voor de gehele vastgoedsector. De leden van de Raad zijn onder andere: de Vereniging van Institutionele beleggers, de Vereniging van Makelaars, Het Notariaat, de Nederlandse Vereniging van Banken, de Projectontwikkelaars en de Vereniging van particuliere beleggers in Nederland. Een onpartijdig lichaam dat de belangenbehartiging voor de vastgoedsector op zich neemt is natuurlijk het ideale instituut dat de ontwikkeling van de vastgoedindex begeleidt. De eerste stappen werden genomen in 1989. Er waren toen twee mogelijkheden om een index te bewerkstelligen. De eerste mogelijkheid was via de organisatie 'World Markets' en de tweede was via de lnvestment Property Databank. De eerste organisatie meet voor de institutionele beleggers de performance van onder andere aandelen en 1
ROZ/IPD INDEX lnformatiemap, Raad voor Onroerende Zaken, 1995
15
obligaties. In tegenstelling tot de aanbevelingen van de commissie werd er door de beleggers gekozen voor World Markets. De voornaamste redenen waren dat de beleggers hier al ervaring mee hadden en dat ze eigenlijk helemaal niet gemeten wilden worden. Het IPD kon namelijk veel specialistischer informatie leveren, wat inhield dat er een portefeuille-analyse mogelijk was. De jaren 1990 en 1991 werden gebruikt om gegevens te verzamelen en de indices te produceren. Men kwam er echter al snel achter dat de cijfers die geproduceerd werden, niet de cijfers waren waar de vastgoedsector op zat te wachten. Ze waren te globaal en er werd getwijfeld aan de uitkomsten. Na drie jaar werd daarom besloten om het project stop te zetten. In 1993 waren er twee mogelijkheden voor handen: Of het gehele project werd afgelast en de performance van een vastgoedbelegging bleef voor altijd een vage indicatie of er wordt opnieuw een index ontwikkeld maar dan een van een goede kwaliteit. Deze laatste mogelijkheid werd eigenlijk gekozen door de verschillende beleggers in de markt. Deze beleggers kregen in deze periode een grotere behoefte aan een index omdat er een kentering bleek van de goede performance van vastgoed in de jaren tachtig en omdat de vraag naar een goede performancemeting werd versterkt door beleggers in de andere categorieën. Deze gebruikten namelijk steeds verfijndere methoden en analyse technieken die eigenlijk op dat moment niet toepasbaar waren op vastgoed. Deze ontwikkeling zou de belangstelling voor de markt schaden. Een nieuwe poging om een vastgoedindex te ontwikkelen werd ondernomen en van fouten van de vorige poging werd geleerd. Er waren een aantal factoren die de eerste poging lieten mislukken en waar met de constructie van de ROZ/IPD INDEX wel rekening mee werd gehouden. Wanneer we deze factoren combineren met de algemene eisen waar een index aan moet voldoen, scheppen we een kader dat tot het slagen van een totstandkoming van een index moet worden gebruikt. In de volgende paragrafen worden een aantal van deze factoren behandeld.
2.1.3 De index als benchmark De ROZ heeft als doel om door middel van constructie van deze directe vastgoedindex de vastgoedmarkt een stuk doorzichtiger en daardoor efficiënter te maken. Op dit moment wordt daar erg aan getwijfeld. De vastgoedmarkt wordt gekenmerkt door regionale deelmarkten, waardoor een belegger die niet op de hoogte is van de omstandigheden op deze deelmarkten altijd outperformed wordt door degene die het gebied op zijn broekzak kent. Ook is er geen sprake van een 'up to date' registratie van de hoeveelheden en timing van aan en verkopen zoals bijvoorbeeld bij aandelen het geval is. Een jaarlijkse directe vastgoed index kan daarin voorzien. De index zal als een soort marktgemiddelde optreden waardoor er een soort "universum" zal ontstaan. Dit universum geeft het gewogen gemiddelde weer van de gezamenlijke beleggingsresultaten uitgedrukt in rendementen en performance. Het zal de rendementen en de performance van een sector ten opzichte van andere beleggingsmogelijkheden kunnen spiegelen. De vastgoedindex voor de Nederlandse vastgoedmarkt biedt de deelnemers twee mogelijkheden. Ten eerste is men in staat om op termijn tijdreeks-analyses uit te voeren en voorspellingsmodellen te maken. Dit was tot heden niet mogelijk met een dergelijke uniforme bron. Ten tweede is het mogelijk om op korte termijn een performance-meting voor vastgoed uit te voeren. Voordat echter deze performance-meting kan plaatsvinden moet er een ijkingsinstrument of een benchmark worden samengesteld. De bedoeling is dat de ROZ/IPD INDEX in eerste instantie als een benchmark zal fungeren. Er bestaan verschillende eisen waaraan een index moet voldoen om als ijkingsinstrument op te kunnen treden. Ten eerste moet de index representatief zijn voor het betreffende marktsegment; dit wil zeggen dat het de marktontwikkelingen correct moet weergeven, wat natuurlijk nooit helemaal perfect het geval zal zijn. Er zijn op dit moment nog steeds institutionele beleggers die het nut van de index niet inzien, hetgeen impliceert dat een gedeelte van de marktsegment niet helemaal wordt weergegeven. De eerste ROZ/WM index was op niets uitgelopen omdat de cijfers te globaal en nietszeggend waren. Er moet dus een afweging gemaakt worden tussen de mate van representativiteit en de wijze van segmentering van de Nederlandse vastgoedmarkt. Zodoende moet er een segmentering gekozen worden die nog genoeg objecten bezit waarmee het een juiste
16
weergave van de werkelijkheid geeft en anderzijds moet deze segmentering op een dergelijke manier worden gekozen zodat het niet te globaal of nietszeggend wordt gevonden. Ten tweede moet een index liquiditeit weerspiegelen, de vermogenstitels moeten beschikbaar zijn en de index moet repliceerbaar zijn. Dit zijn natuurlijk eisen waar nooit of bijna nooit aan voldaan kan worden. Onroerend goed heeft namelijk hele andere marktkarakteristieken dan aandelen of obligaties. De eis van liquiditeit is relevanter voor deze twee beleggingscategorieën. Wanneer het portefeuillemanagement actiever zou worden, hetgeen de index kan bewerkstelligen, zou de liquiditeit van de objecten toe gaan nemen. De beschikbaarheid van de vermogenstitels is natuurlijk uitgesloten. Een vastgoedindex kan nooit aan deze eis voldoen omdat de onderliggende objecten ondeelbaar en heterogeen zijn. Deze redenen geven ook een indicatie van de moeilijkheid tot het repliceren van de index. De transactiekosten zijn bijzonder groot en er zullen aanzienlijke 'tracking errors' ontstaan. Ten derde moet de index algemeen erkend en geaccepteerd zijn. Dit betekent dat ondanks dat er mogelijke onvolkomenheden aan de index kleven, de index geldend is wanneer zij over het algemeen door de markt wordt geaccepteerd. Een grote maat van acceptatie wordt bereikt door de mate van vergelijkbaarheid tussen de verschillende portefeuilles en de index. Wanneer er dus eenduidige afspraken worden gemaakt over de te hanteren definities zal deze index sneller zijn erkenning krijgen. Dit punt was een oorzaak van een falende eerste poging. Doordat de deelnemers verschillende waarderingsmetheden hanteerden, ontstond er een index die eigenlijk niets zeggend was. In paragraaf 1.3.5 zal er dieper op dit onderwerp in worden gegaan. Ten vierde moet er een weging naar marktkapitalisatie zijn. Dit betekent dat zeer omvangrijke objecten een te grote invloed op de performance in een bepaalde sector kunnen hebben, waardoor een grote hoeveelheid specifiek risiko in de index blijft zitten dat juist weggediversifiëerd moet worden. Tenslotte moet een index stabiel en duurzaam zijn. De betekent dat de karakteristieken van vastgoed nu meer een voordeel zijn dan een nadeel. Omdat vastgoed zo illiquide en ondeelbaar is wordt er ook minder per jaar verhandeld, hetgeen de stabiliteit ten goede komt. Ook omdat het vastgoed doorgaans niet met vreemd vermogen gefinancierd is, is het faillissementsrisiko ook een stuk minder of niet aanwezig. Al met al betekent het hoe meer objecten er deel uitmaken van de index, hoe stabieler de index wordt.
2.1.4 De portfolio analyse De ROZ/IPD INDEX fungeert dus in eerste instantie als een benchmark. Dit publieke goed geeft een beschrijving van de performance van vastgoed in de verschillende regio's en sectoren. Een tweede mogelijkheid die de index bezit is de portefeuille-analyse van de verschillende deelnemers. Dit betekent dat elke deelnemer jaarlijks een "comparitive report'' ontvangt waarin een volledige doorsnede wordt weergegeven van de eigen vastgoedportefeuille ten opzichte van de resultaten van de markt. Ook worden de gevolgen van afwijkende portfeuille-samenstellingen geanalyseerd. Dit geeft een belangrijk instrument in handen van het management. Omdat nu duidelijk wordt of een vastgoedportefeuille beter of slechter gepresteerd heeft, zal het management hierop afgerekend kunnen worden net als beleggers in aandelen of obligaties.
2.1.5 De waarderingen Inleiding De oorspronkelijke ROZ INDEX die ondersteund werd door de organisatie ''World Markets" is geen succes geworden, omdat er te globale cijfers beschikbaar waren die eigenlijk geen goed beeld over de performance van vastgoed in Nederland gaven. Het te globale cijfer waaraan weinig waarde werd gehecht kwam mede tot stand doordat er geen of geen uniforme waarderingsmetheden werden gebruikt. Pensioenfondsen maar ook verzekeringsmaatschappijen waren niet gewend het
17
onroerend goed extern of intern te laten taxeren en wanneer er wel getaxeerd werd gebeurde het niet in alle gevallen op eenzelfde wijze. Men kwam er dus achter dat er appels met peren werd vergeleken. Van de geschiedenis werd geleerd en men nam zich voor een index te construeren met behulp van gegevens die uniform samengesteld waren. In overleg met de deelnemers werd besloten afspraken te maken over de wijze van waardering, zodat er geen onvergelijkbare grootheden in de index terechtkomen. Om dit te bewerkstelligen werd er een taxatiemodel voorgeschreven dat zowel intern als extern gebruikt moest gaan worden en regels opstelde met betrekking tot de te kiezen waarderingsmetheden en voor de inhoudelijke onderbouwing daarvan. Deze paragraaf zal ten eerste een algemene indeling geven van de verschillende theoretische taxatiebenaderingen om vervolgens een toepassing te maken met de ROZ/IPD INDEX. Deze index heeft verschillende deelnemers de te hanteren taxatiemethoden voorgeschreven met enige aanbevelingen en richtlijnen. De waarderingsmethoden
Het waarderen van onroerend goed is als bijvoorbeeld bij het waarderen van het behaalde rendement van aandelen geen eenvoudige zaak. Dit komt doordat vastgoed heterogeen van aard is en sporadisch verhandeld wordt. Aandelen worden in grote getale verhandeld zodat er een recente koersontwikkeling te geven is. Van een onroerend goed object is er over het algemeen geen exacte kopie, laat staan dat er elke dag of minuut een transactieprijs tot stand komt. Er moet dus op een andere manier een benadering van de waarde gegeven worden. Dit wordt gedaan door middel van het taxeren van onroerend goed objecten. Een taxatie wordt omschreven als een intelligente gissing om de juiste en realistische waarde van een onroerende zaak te verkrijgen (ten Have, 1992). Een taxatie heeft niet als een transactieprijs op de aandelenmarkt een ex-post karakter, maar is een ex-ante benadering. Een taxatie moet dus met enige armslag gehanteerd worden. Er kunnen verschillende taxatiemethoden worden gedefinieerd; ten Have deelt deze in een aantal taxatiebenaderingen in zoals een comparatieve benadering, een kostenbenadering, en een inkomstenbenadering. En taxatiebenadering kan het best gezien worden als een familie van taxatie methoden. 1. De Comparatieve benadering Het object dat getaxeerd moet worden wordt vergeleken met de in de markt gerealiseerde transacties. Dit betekent dat er in de markt genoeg vergelijkbare transacties aanwezig moeten zijn en dat de prijsontwikkeling op de markt redelijk stabiel moet zijn, om tot een juist oordeel te komen. Omdat vastgoed erg heterogeen van aard is en sporadisch verhandelt wordt is het nodig dat de taxateur verschillen moet opsporen en moet objectiveren. Hij of zij moet bij deze benadering op de hoogte zijn van veranderende marktomstandigheden of verschillen in interne object kwaliteit; dit zijn onder andere verschillen in omvang, ligging en bestemmingsplan. 2. De Kostenbenadering De kostenbenadering wordt in hoofdzaak niet gebaseerd op de markt. De benadering bepaald de waarde van een gebouw aan de hand van de bouwkosten of de produktiekosten. Er bestaat echter wel een indirecte relatie met de markt omdat de prijs van de bouwproduktie in verband wordt gebracht met de vraag ernaar. 3. De Inkomstenbenadering De Inkomstenbenadering omvat de meest gebruikte taxatiemethoden bij het bepalen van de waarde van commercieel vastgoed. Er wordt van de veronderstelling uitgegaan dat het pand een zelfstandig inkomen genereert. Anders geformuleerd wordt de waarde van het object vastgesteld door de verwachte netto kasstromen in de toekomst te kapitaliseren. Er kunnen een viertal methoden worden onderscheiden. Dit zijn de draagkrachthuur-methode, de BAR-methode, de NAR-methode en de DCF-methode. De NAR-methode is meer een verbetering van de BARmethode, omdat de exploitatiekosten die ten laste van de eigenaar komen nu ook een rol spelen.
18
De BAR en de DCF methode zullen in de volgende paragraaf nader uitgelegd worden, omdat dit de twee methoden zijn waar de waarderingen van de deelnemers van de index op gebaseerd moeten zijn. De ROZI/PO INDEX en taxeren
De twee waarderingsmethoden die toegestaan zijn in het kader van de ROZ/IPD INDEX zijn de "conventionele methode" en de "contante waarde methode". Deze twee toegestane modellen vormen samen met de aanbevelingen en richtlijnen de basis van de index. In de volgende alinea's zullen de twee methoden worden besproken, de voor en nadelen zullen worden vermeld en de aanbevelingen en richtlijnen betreffende de modellen zullen worden aangegeven. De eerste en meest simpele methode is de conventionele methode; deze methode hanteert een waardebepaling aan de hand van de kapitalisatie van de bruto(BAR) en netto aanvangsrendementen(NAR) van vergelijkbare transacties. De cash-flow word op basis van de markthuur geschat. Zij is simpel te bepalen, zij is een markttechnische goede vergelijkingsmaatstaf en zij is goed communiceerbaar. Deze inkomstenbenadering is afhankelijk van de beschikbare en vergelijkbare objecten en de stabiliteit van de prijsontwikkeling op de markt. De nadelen die verbonden worden aan het gebruik van deze methode zijn de verborgen aannames, die een oneindige huurstroom op het huurniveau ten tijde van taxatie aannemen. Ook is er vrijheid om correctieposten op te voeren voor bijvoorbeeld een verschil tussen de markthuur en de werkelijke huur. Het lijkt simpel om tot een Bruto Aanvangs Rendement (BAR) te komen, maar er gaan berekeningen vooraf die op veronderstellingen berusten, waar een goed inzicht en feeling met de betreffende vastgoedmarkt voor nodig is. Theoretische wordt de taxatiewaarde door middel van de BAR als volgt berekend: TWt = BHt I BAR
=
Twt Taxatiewaarde op tijdstipt Bht = bruto huuropbrengst per jaar op tijdstip t BAR = bruto aanvangsrendement
De ROZ heeft de waarderingen van haar deelnemers gestroomlijnd door een raamwerk te construeren met behulp van richtlijnen en aanbevelingen. De conventionele methode is in het volgende figuur weergegeven.
Raamwerk o~zet BAR/NAR-taxatie Totaal Bruto Inkomsten Totaal van Exploitatiekosten Netto Opbrengsten Bruto Kapitaalswaarde
=Netto Opbrengsten I Yield
Totaal Correctieposten Totaal Toekomstige Kapitaalinvesteringen Bruto Open Marktwaarde Kopers Kosten Netto Open Marktwaarde
19
Hiertegenover staat de contante waarde methode oftewel de discounted cash-flow methode. Deze inkomstenbenadering is gebaseerd op een spreadsheet met cash-flows voor ten minste tien jaar en een aanname voor de restwaarde, die met behulp van een gewenste discontovoet verdisconteerd naar de huidige periode worden. Het is de meest cijfermatige grondslag voor de twee waardoor er geen verborgen aannames mogelijk zijn. De voordelen van deze methode zijn het goede inzicht in het verloop van de opbrengsten en de kosten in de tijd. De nadelen zijn de aannames die gemaakt moeten worden: er moeten namelijk aannames gemaakt worden over de eindwaarde en de disconteringsvoet, die een zware impact op netto present value hebben.
Raamwerk o~zet DCF-Taxatie jaarlijks: Totaal Bruto Inkomsten Totale Bruto Expoitatiekosten Jaarlijkse Netto Opbrengsten
n W=
L: NOt I (1 + i) t t=1
W NOt n i t
= Contante waarde = periodieke netto opbrengst = aantal termijnen = disconteringsvoet = 1... n
Deze twee methoden kunnen op veel verschillende manieren worden toegepast. Het is ondoenlijk om maar één methode voor te schrijven en er is daarom een kader gecreëerd of een bandbreedte waarbinnen men mag spelen. Naast de aanbevelingen bestaan er ook een aantal richtlijnen. Deze bepalen bijvoorbeeld de keuze van de methode, het bepalen van de exploitatiekosten en opbrengsten, de opbouw van de disconteringsvoet en de samenstelling van de leegstand.
2.1.6 Het rendement en de performance Het rendement op elke vermogenstitel kan worden onderscheiden in twee delen. Het bestaat uit een deel dat werkelijke tastbare cash-flows oplevert, wat eigenlijk de werkelijke inkomsten van een belegging zijn en een gedeelte dat de groei in de waarde van het vermogenstitel weergeeft. Dit indirecte inkomen vertegenwoordigt een vermogensaanwas indien de vermogenstitel verkocht zal worden. Het totale rendement van een onroerend goed belegging is niet wezenlijk verschillend dan andere beleggingsvormen. We kunnen een direct rendement en een indirect rendement onderscheiden. Het directe rendement bestaat uit de feitelijke netto-huuropbrengsten gedurende een bepaalde periode, afgezet tegen het gemiddeld belegd of geïnvesteerd vermogen van de onderliggende vastgoedobjecten over de meetperiode. Het indirecte rendement geeft de waardeveranderingen weer gedurende een bepaalde periode van de onderlinge vastgoedobjecten, afgezet tegen het gemiddeld belegd of geïnvesteerd vermogen van de onderliggende vastgoedobjecten over de meetperiode. Bij een rendementsberekening of een geld-gewogen totaal beleggingsresultaat wordt uitgegaan van de kleinst beschikbare periode. Hier wordt niets anders gedaan dan het meten van een toe- of afname van het bezit gedurende de meetperiode ten opzichte van het begin van de meetperiode. Dit zijn de ontvangsten en de toe- of afname van de waarde van het bezit gedurende de meetperiode afgezet tegen het gemiddeld geïnvesteerd vermogen gedurende de periode.
20
De money weighted total return bestaat dus uit de kapitaaldeel en het inkomensdeel De formule is als volgt; (CV1- CVa-CJ.l (CVa+ Y2 C1)
+
Nl1 (CV0 +112 C1)
CV= Capita! Value C = Capita! Expenditures NI = Net lncome
De termen performance en rendement worden nogal eens door elkaar gebruikt. Het is daarom verstandig de twee begrippen te behandelen en een onderscheid te maken. We scheppen duidelijkheid door het exacte verschil tussen de twee termen weer te geven. Het verschil tussen een rendement en een performance is dat in het eerste geval opbrengsten, herwaarderingen en vermogens resultaten geld-gewogen zijn en in het tweede geval zijn ze tijdgewogen (Vismans, 1992). Dit is de kern waar het om draait, maar de volgende twee definities kunnen een duidelijker beeld scheppen in het onderscheid. Het rendement of de return is het beleggingsresultaat over de meetperiode. Veelal wordt geen rekening gehouden met tijdstippen waarop kasstromen optreden. Het resultaat of de performance is het beleggingsresultaat over een berekenings- of vergelijkingsperiode. Er wordt hier wel gezocht naar een aansluiting van de kasstromen. Met andere woorden is de performance de uitkomst van een vergelijking van de resultaten van bijvoorbeeld een vastgoedportefeuille van een belegger met de benchmark. Als het resultaat beter is dan het resultaat van de benchmark is er een outperformance, is deze slechter dan is er een underperformance. We kunnen het onderscheid waarschijnlijker nog duidelijker maken wanneer we de formules voor beide begrippen weergeven. Een rekenvoorbeeld van een rendementsberekening is als volgt: (netto opbrengst+vermogensresultaat+herwaardering) (beginwaarde + 1/2saldo aan en verkoop) Een rekenvoorbeeld van een performanceberekening over een half jaar is als volgt: TWTR = {(1+MWTR kw1)*(1+MWTR kw2)*(1+MWTR kw3)*(1+MWTR kw4)} -1jaar TWTR = tijd-gewogen totaal beleggingsresultaat (time weighted total return) MWTR kw = geld-gewogen kwartaal rendement
Een index kan dus samengesteld worden door de aaneenschakeling van een aantal rendement of performance cijfers. De gegevens voor de index kunnen dus op jaarbasis zijn berekend. De weergegeven performance cijfers zelf zijn dan wel op tijdsgewogen basis berekend, ze zijn alleen op jaarbasis met de geld gewogen methode berekent.
2.2 Probleemgebieden van een taxatieindex
2.2.1 Inleiding Aangezien het construeren van een index voor direct vastgoedbeheer een moeizaam en een ingewikkeld proces is gebleken, is het interessant om de probleemgebieden weer te geven. Een aantal van de meest voorkomende problemen die bij een taxatie-index spelen zijn de eerder genoemde verborgen aannames, de vergelijkbare transacties, en de uniformiteit. Deze paragraaf bespreekt het onderwerp"smoothing and lagging", deze Engelse term zal verder in deze scriptie gebruikt worden om verwarring te voorkomen. Een vertaling van term heeft een betekenis als afvlakking of nivellering.
21
2.2.2 Smoothing and lagging Omdat er heden ten dage geen mogelijkheid bestaat om de panden te taxeren op de dag dat de resultaten van de index gepubliceerd worden, of aangezien taxaties niet op één en het zelfde tijdstip kunnen worden uitgevoerd, bestaat er een mogelijkheid dat een indexcijfer een schommeling afvlakt. Ook hebben de taxateurs een grote invloed op de uiteindelijke cijfers. Wanneer zij een in een neergaande markt de neiging hebben de veranderingen onder te waarderen en in een opgaande markt de veranderingen over te waarderen, zal de index zich gedragen als een voortschrijdend gemiddelde. Er kunnen aanpassingen gemaakt worden door de taxatiedatum lineair te interpoleren naar de publicatiedatum, zoals het IPD dit doet. Het smoothingprobleem wordt hier echter niet helemaal mee opgelost. Vastgoedindices nijgen dus naar voortschrijdende gemiddelden en geven te laat of niet een verandering in de marktbewegingen aan. Dit is niet zo erg als de index als benchmark wordt gebruikt, maar wanneer de index ook voor performance-analyse, risiko-analyse of asset-allocatie wordt gebruikt, is het een groot probleem geworden. Het uitblijven van grote prijsschommelingen, gaat gepaard met hoge correlatiecoëfficiënten tussen de taxaties. Een hoge correlatiecoëfficiënt duidt weer op een grote mate van "smoothing". Over het algemeen zullen taxaties die dicht bij elkaar liggen ook een grotere kans hebben een even grote waarde te hebben, omdat een taxateur geen verschillen ziet. De objecten worden in een maandelijkse index ook niet maandelijks getaxeerd, maar de laatste beschikbare taxatie wordt meegenomen. Dit is dus eigenlijk een jaarlijkse index die maandelijks bijgewerkt wordt. Dit verklaart de volgende tabel waar de maandelijkse indices een grotere correlatiecoëfficiënt hebben dan de jaarlijkse indices. frequentie
INDEX
correlatie I I
Weatherall Green & Smith The Property Index Morgan Grenfell Laurie-CIG Index Jones Lang Wooton Index Hiliier Parker
Jaarlijks Jaarlijks Jaarlijks Jaarlijks Jaarlijks
Jones Long Wooton Index
per Kwartaal
0,70
lnvestment Proper1y Databank __ RicharcLEllis
Maandelijks Maandelijks
0,74 0,74
0,30 0,54 0,55 0,09 -0,03
I
I !
(Brown, 1991)
Geltner heeft de smoothed return van de Russei-NCREIF Property Index gedefinieerd als een functie met als onafhankelijke variabelen de onderliggende werkelijke waarden of de 'unsmoothed returns'. Dit komt omdat de taxatie grotendeels ex-ante bepaald is. De taxateur baseert zich onder andere op vergelijkbare transacties van vergelijkbare objecten. De hedendaagse marktwaarde wordt dus in grote mate bepaald door de werkelijke waarden uit eerdere periodes. Dit model kan als volgt worden uitgedrukt: r*t = wort + w(B)rt-1 met
2 w(B) = W1 +W28 + W38 + ... en B refereert aan Brt-1
=rt-2 en 8 2refereert aan B2 rt-1 =rt-3
r* = smoothed rendement r = werkelijk rendement wo = gewicht tussen 0 en 1
22
Omdat we de afhankelijke variabele wel weten en de onafhankelijke variabelen niet, kunnen we de formule herschrijven zodat we de werkelijke rendementen kunnen schatten. De veronderstelling wordt gemaakt dat de volatiliteit van commercieel onroerend goed de helft is van de S&P500 index. We veronderstellen daarom dan ook dat de volatiliteit van de unsmoothed index de helft is van de S&P500 (Fisher,Geltner,Webb,1994). Het gewicht Wo kan worden herleid door Rt gelijk aan de variantie (cr) te stellen. De algemene formule die de werkelijke rendementen bepaalt is als volgt:
ft= (r*t- 0(B)r*t-1)/Wo
Over het algemeen kunnen we concluderen dat een jaarlijks index-cijfer, op dit moment nog het betrouwbaarst is. Wanneer er toch kwartaal of maandelijkse indices geconstrueerd gaan worden is het belangrijk de bovenstaande problemen in acht te nemen.
2.3 De ROZIIPD INDEX en de toekomst
2.3.1 Inleiding De ROZ/IPD INDEX is de enige directe vastgoedindex in Nederland en heeft in zijn aanloop en ontwikkelingsfase een groot vertrouwen gewekt bij institutionele beleggers. Dit vertrouwen werd geschapen, door een aantal factoren. De betrouwbaarheid van de index is bijvoorbeeld gegarandeerd door de uniforme manier van aanleveren van data, wat bewerkstelligt is door het beschikbaar stellen van een gestandaardiseerd "input form". De verplichting tot een uniforme manier van waarderen heeft aangezet tot het verstrekken van onderling vergelijkbare data door de deelnemer en aangezien deze hele procedure op een vertrouwelijke manier wordt doorlopen kan de institutionele belegger realistische data verstrekken zonder dat er bij haar in de keuken wordt gekeken. Het vertrouwen in de index ligt eigenlijk als basis voor het functioneren ervan. Nu de ontwikkeling achter de rug is en de aandacht voor de index steeds groter wordt moet er gekeken worden wat de toekomstmogelijkheden van de index zijn. Deze paragraaf zal dit onderwerp bespreken aan de hand van de toekomstige onderzoeksmogelijkheden en de toekomstige gebruiksmogelijkheden van de index.
2.3.2 De gebruiksmogelijkheden De Index verstrekt op dit moment een jaarlijkse benchmark en een jaarlijkse portefeuille analyse. Ondanks dat dit een doorbraak is in het portefeuille management van Nederlands direct vastgoed beheer, moeten we concluderen dat een jaarlijkse benchmark niet een doorslaggevend hulpmiddel is in de dagelijkse praktijk. Een handzaam en frequenter cijfer zou wel deze praktische invulling kunnen geven. Ik veronderstel dat de institutionele beleggers daarom in de toekomst naar een maandelijkse index, of een kwartaalindex gaan vragen, die specifieke marktinformatie op elk moment over elke regio zal kunnen verstrekken. De constructie van dergelijke indices gaat echter gepaard met een verlies aan betrouwbaarheid, zoals we in de vorige paragraaf hebben kunnen lezen. De "Repeated-Measures-Regression-Method" is een methode waarmee wel met een grotere frequentie een index geconstrueerd kan worden dan er getaxeerd wordt, zonder dat bovengenoemde problemen spelen. Er ontstaat de mogelijkheid een kwartaalindex of een maandelijkse index te samen te stellen, die handzamer is in het dagelijks gebruik. De aandacht voor deze methode is recentelijk door een publikatie van David Geltner (1996) ontstaan en wordt reeds toegepast op woning-prijsindices in de Verenigde Staten. De methode is ontwikkeld door Baily, Muth and Nourse (1960) en later onder andere vertijnd door Case en Shiller (1987). De methode kan toegepast worden wanneer we precies de tijdstippen weten wanneer getaxeerd is en wanneer er voldoende objecten per periode getaxeerd zijn. Door middel van verschillen in
23
taxatietijdstippen van een aantal objecten, kunnen de relatieve verschillen in performance geschat worden van objecten die periode niet getaxeerd zijn. Door middel van een regressiemodel is het mogelijk kwaliteitsverschillen te elimineren tussen de verschillende objecten, zodat de waarderingen observaties zijn van de onderliggende werkelijke indexwaarde (Geltner, 1996). De basis van de methode werkt als volgt; wanneer een object (A) aan het begin van periode 1 getaxeerd wordt en aan het eind van periode 2, weten we niet wat de reële performance in periode 2 geweest is. Wanneer we een ander object (8) bezitten die getaxeerd is aan het begin van periode 1 en aan het begin van periode 2, kunnen we aan de hand daarvan de reële performance van het object (A) in periode 2 gaan berekenen. De reële performance refereert hier naar het feit dat het de werkelijke performance vertegenwoordigd van de onderliggende populatie van de index. Deze kan niet direct empirisch worden afgeleid, zodat deze geschat wordt door het natuurlijk logaritme te nemen van het rendement (Geltner, 1996). Het algemene regressiemodel kan worden beschreven met een afhankelijke variabele "P" wat de vector van de rendementsverschillen van de verschillende objecten tussen de verschillende periodes is. De variabele D is een matrix van dummy variabelen die aangeeft in welke periode een bepaald object getaxeerd is. De variabele E is de "random error'' of "noise" van fouten van waarnemingen van verschillen in rendement tussen perioden. De algemene conclusie is dat de mogelijkheden tot het construeren van een kwartaal of een maandelijkse index, de toekomstige vraag ernaar niet in de weg staan. De bovenstaande methode beschrijft een manier om tot een recentere index te komen zonder dat het de betrouwbaarheid schaadt. De stap uit de eerste ontwikklingsfase van de jaarlijkse index zal dus binnenkort gezet moeten worden, hetgeen nieuwe uitdagingen biedt.
2.3.3 De onderzoeksmogelijkheden De toekomstige onderzoeksmogelijkheden, die de index in de toekomst schept zijn talrijk en onuitputtend. De ROZ/IPD INDEX zal dé vastgoed database van Nederland worden, welke gegevens zal gaan verschaffen over minimaal de winkel-, de kantoren, en de woningmarkt van Nederland. Omdat alle objecten in de database gecodificeerd zijn met een postcode kan in de toekomst van elk segment, op elk aggregatieniveau een tijdreeks- of een cross-sectionele analyse gemaakt worden. Het "input-form" van de index, of het invulformulier naar welke standaard de deelnemers hun objectinformatie moeten verstrekken staat als basis voor de onderzoeksmogelijkheden. Dit formulier is weergegeven in Appendix A zodat het duidelijk is welke informatie er beschikbaar zal zijn. Er zijn op dit moment nog twee complicaties aanwezig, die in de toekomst in mindere mate zullen spelen. We hebben het dan over de vertrouwelijkheid van de data en de geschiedenis die nog gemaakt moet worden. De vertrouwelijkheid van de data bracht met zich mee dat er een bepaald aggregatieniveau gekozen moet worden zodat geen individuele objectinformatie zichtbaar was. Voortaan zullen er ook onderzoeken op (gecodificeerd) objectniveau mogelijk moeten zijn, hetgeen betekent dat de verschillende institutionele beleggers hun goedkeuring hiervoor moeten gaan verlenen. Ten tweede zijn er tijdreeksen nodig om termijnanalyses te maken. Aangezien het niet mogelijk was om betrouwbare historische tijdreeksen te construeren, waren er op het moment van dit schrijven alleen nog de data van 1995 en beschikbaar. Dit betekent dat het nog enige tijd duurt om een goed onderzoek uit te kunnen voeren. Een aanzet tot enkele mogelijke analyses, waar de index in de toekomst een grote rol kan gaan spelen, is beschreven in deze scriptie. Ik heb bijvoorbeeld een aantal diversificatiemogelijkheden en enige verbanden met verschillende economische variabelen bekeken die de landelijke database op coropniveau kon leveren.
24
2.4 Conclusie Dit hoofdstuk heeft de noodzaak, de geschiedenis, de constructiemethoden, de probleemgebieden en de toekomstmogelijkheden van de ROZ'IPD INDEX beschreven. De ROZ'IPD INDEX is de eerste taxatie-index van Nederland en heeft een lange ontwikkelingsfase achter de rug, hetgeen enerzijds veroorzaakt werd door een groot aantal huiverige institutionele beleggers die eigenlijk niet gemeten wilden worden en anderzijds door de complicaties die optreden bij de constructie van een index die betrouwbaar is en niet te globaal. De ROZ'IPD INDEX voorziet in een benchmark voor Nederlands vastgoed maar is ook in staat een individuele portefeuille analyse te maken van elke deelnemer. Er kleven een aantal vootwaarden aan een betrouwbare benchmark, die indirect ook nodig zijn voor een betrouwbare portefeuille analyse. We spreken dan over het universum oftewel de representativiteit, maar ook de noodzaak van algemene erkenning en acceptatie. De uniforme manier van waarderen is behandeld aan de hand van twee door het ROZ voorgeschreven taxatiemodellen, die als uitgangspunt moeten dienen bij een taxatie van een object door een deelnemer. Hierna kwam het probleemgebied van "smoothing' aan de orde. De toekomst zal toch een meer frequentere index vragen, waarvoor waarschijnlijk een andere indexconstructie gehanteerd moet gaan worden. Tenslotte concluderen we dat de toekomstige onderzoeksmogelijkheden onbeperkt en onuitputtend worden, wanneer er van de ROZ'IPD database gebruik gemaakt mag gaan worden.
25
3. De Nederlandse vastgoedmarkt 3. 1 Inleiding Dit hoofdstuk zal een beschrijving geven van de omvang van de vastgoedmarkt en de verschillen in performance van vastgoed in de winkel-, de kantoren-, en de woningsector op coropniveau voor het jaar 1995. De data zijn samengesteld door het IPD, aan de hand van de eerste resultaten van de index die in 1996 gepresenteerd zijn. Door middel van grafieken en tabellen zal ik de regionale verscheidenheid verduidelijken en aan de hand van deze verschillen zullen in de latere hoofdstukken conclusies worden verbonden. Tevens zullen de verschillen in performance aanleiding geven tot het onderzoek tussen de verbanden van een aantal economische factoren en de verschillen in performance in hoofdstuk 6. De door het IPD verstrekte gegevens zijn gesegmenteerd in drie delen. Het zijn de performancemaatstaven van de winkel, de kantoren en de woningsector en alle cijfers zijn weergegeven op coropniveau. Aangezien de 28 deelnemers met ongeveer 43 miljard gulden aan belegd vermogen ongeveer 75 procent van het institutionele belegde vermogen in de vastgoedmarkt beslaan, nemen we aan dat de cijfers die verstrekt worden door het IPD als "de werkelijkheid" gelden. Helaas zijn niet alle data van de coropgebieden weergegeven: de gebieden met minder dan tien objecten zijn uit de presentatie gestreept, vanwege de vertrouwelijkheidswaarborg voor de deelnemers van de index. Voor de verschillende sectoren zijn het aantal gebieden wat verminderd, wat tot gevolg heeft dat het onderzoek niet meer heel Nederland beslaat. Dit kan betekenen dat voor de ene sector of coropgebied wat minder gegevens beschikbaar zijn dan voor een andere sector of coropgebied, en een vergelijking tussen de sectoren in sommige gebieden niet meer goed mogelijk is. We gaan er vanuit dat de data op coropniveau een gemiddelde vormen, dat een juiste weergave van de onderlinge objecten geeft. De verantwoording van de keuze voor het coropgebied is beschreven in hoofdstuk 5. De gestelde probleemstelling in dit hoofdstuk kan als volgt verwoord worden:
•
Kunnen we de omvang en de performance van beleggingen in Nederlands vastgoed in kaart brengen op regionaal niveau en wat zijn de verschillen en overeenkomsten tussen de regio's en de sectoren?
De volgende paragrafen behandelen elk een volume indicator of een performance maatstaf, die in een aantal gevallen zullen worden verduidelijkt met een theoretische achtergrond. Er zal onderscheid gemaakt worden in de drie sectoren, de opvallende waarnemingen zullen uitvoerig worden beschreven en desnoods verduidelijkt met een aantal tabellen.
3.2 Het belegde vermogen. 3.2.1 Inleiding Deze term geeft het totale belegde kapitaal aan in onroerend goed per sector en coropgebied door de 28 deelnemers. Het geeft een goed inzicht in de belangen van de beleggers en de geconcentreerdheid van locaties. Aan de hand van de verdelingen kunnen we Nederland in twee klasses verdelen. We constateren bij alle drie de sectoren een onderscheid tussen de coropgebieden in de randstad die de grote steden bevatten en de rest van de provinciale gebieden. Deze eerste zijn de gebieden waar het belegde vermogen het meest geconcentreerd is. De volgende paragraaf geeft hierover een beschrijving aan de hand van enkele tabellen.
26
We behandelen het totale belegde kapitaal en niet het verstrekte aantal objecten, omdat een object niet gelijk staat aan een pand of gebouw. We moeten eerder denken aan de benaming "project" of "complex", zodat het geen betrouwbare indicator is voor het volume van de vastgoedmarkt. Een verschil tussen het volume van het belegde kapitaal en het aantal objecten in een bepaalde regio, kan een indicatie zijn voor een ongewoon aantal kleine of grote objecten, hetgeen weer invloed op de liquiditeit van de bepaalde vastgoedmarkt zal hebben. Een regressie-analyse leverde geen ernstige ongewone relatieve verschillen op. De meest extreme constatering is het coropgebied Zuidoost-Noord-Brabant in de winkelmarkt deze zou met 27 objecten een belegd vermogen van 170 mln moeten hebben, het totaal belegde vermogen in dit coropgebied is echter erg extreem (430 mln).
3.2.2 De drie sectoren Het belegde kapitaal in de winkelsectorvan 32 corops is door het IPD weergegeven. We zien duidelijk dat de verdeling erg scheef naar rechts is. De extremen met bijna 1mld gulden zijn Groot-Rijnmond gevolgd door Groot-Amsterdam met 608 mln gulden, op de derde plaats komt Utrecht en op de vierde plaats Den Haag. De extremen zijn dus de coropgebieden met de grote steden in de Randstad en Zuidoost-Noord-Brabant zoals we kunnen zien in tabel 3.2.1. Een verklaring voor de grote concentratie van het belegde kapitaal in Zuidoost-Noord-Brabant is niet direct te geven. Dit coropgebied heeft geen extreem in de kantoren of winkel markt. Tabel3.2.1
-
10
Totaal Belegd Kapitaal op de winkelmarkt in 100 mln. fl 9
8
-
7
6
r- ,...."..
5
r-
4
3 r--
2
1 0 ~
.~n.nnnr ll
-~
~ ..!2
u
~ 1 l
.:.:: ·:!:
N
·s N
i:i: :Z -6 ~ ""
(5 0 g-z
:lo<:
rnnJ ll IJ
~ ""~
i ..._ 1 ~ ~ :: I 2 i Ji ~ z~ 8 ~ 1 0>
N
~
-'
:;:;.
.SZ' -6
:.w
0
~
0
:;
1~ >
~
~
uu nlflllm ]
1:;s 5 ;;:-
:J: ~ g..!. s ·g :&;:
dl
>
~
(!;)
~
~
<(
;
~ N
~ ~ ~ 0 :=- ~
~ ~ ~
~...:..a
fi
<(
E
....
<::
l
-~ ~ "5 5 I-
c5 ~ ~ .SZ' N
~ ~ g: z ::8: ~
:::
c
....
~
=+
~
n ~
~
dl
-g
~ z c3 !2 z 0
l
"5
_r· ..
~l .... 0
=+ e i.!!..._
~
é N
~
<ë
~ .:.:: • "'2 !i -g :&;: 1§ ~ ?J dl ~ g:
~
t
:!
~
~
;i! ~ ~
:f& &
De bedragen voor het belegde kapitaal voor de kantorenmarkt zijn gegeven voor 17 coropgebieden. Er is sprake van een relatief groot verschil in concentratie van de waarnemingen in twee klasses. Een klasse onder de 200 mln gulden per coropgebied en in een klasse tussen de 1,7mld en de 2,6 mld gulden zoals we kunnen zien in tabel 3.2.2. Deze extreme scheiding tussen de klasses is niet zo duidelijk terug te vinden in de andere twee sectoren. Daar gaat de overgang van klein naar groot wat regelmatiger. De klasse met de hoogste waarnemingen wordt gevormd door coropgebieden met grote steden in de randstad. Het zijn de gebieden Groot-Amsterdam met 2,6 mld gulden gevolgd door Groot-Rijnmond met 2 mld en de gebieden Utrecht en Den Haag met respectievelijk 1,78 miljard en 1,76 miljard gulden.
27
Tabel3.2.2
30
Totaal Belegd Kapitaal op Kantorenmarkt in 100 mln fl.
-
25
20 r--
r--
I
15
'
10 5
--.r--ï.r--1.r-1.r-1.rï.rt.rt.rl.rl
0 ö;
"El;:~~~ g:=-N"" s:~ z<ïi ó::S ë) N::r: 1I
~
I
-5 ~
;:;:
~
"Ë
:2~"Ë#.J
~g g~~38~ ~o"?~V~o:i?~ 'illl Vlffi c3::r: Qm -a: ~ 2
~
Ê =t
:E
~
~~ ~g "Ë#J .ê. . ~ l: "t;;,.c .6 "ëi l: g lij ~ c ·"' ~ ~ oo z.o eo~~.o .....:c.::; OE~::o·~ o~~.o~g:~ => ~ _m-2 -a:~ N
~
~
..., ~ 0
E
(5
E
0
.!. ""
0:
~
g
E "E :É- ... ~
Ë
<(
Het belegde kapitaal in de woningmarkt is verstrekt voor 36 gebieden. De extremen zijn weer de vier coropgebieden in de randstad. Bovenaan staat Amsterdam met 2,3 mld gevolgd door Den Haag met 2,1 mld en de gebieden Groot-Rijnmond en Utrecht met respectievelijk 1 ,8 en 1 ,5 mld gulden. Het coropgebied Arnhem/Nijmegen is aan de hoge kant. Met 1 ,2 mld belegd vermogen is het een extreme waarneming, in tegenstelling tot de waarnemingen van het coropgebied in de andere twee sectoren.
3.3 De werkelijke huur en markthuur per IVf 3.3.1 Inleiding De huur per vierkante meter is alleen verkregen voor de winkel en de kantorensector, omdat de gegevens van de woningmarkt over het algemeen niet door de deelnemers aan het IPD verstrekt worden. De cijfers geven de werkelijk ontvangen huur en de markthuur per vierkante meter vloeroppervlak per coropgebied weer. De bruto markthuur per vierkante meter is de jaarhuur van het pand per standaard vierkante meter die op het meetmoment in de markt behaald kan worden volgens opgave van de taxateur; uitgaande van een optimale marketing en verhuur aan de meest biedende gegadigde. De bruto markthuur is exclusief b.t.w. en servicekosten. De werkelijke, maatgevende of actuele huur per vierkante meter is een equivalent van de bruto markthuur per vierkante meter, maar dan de werkelijke actuele huur voor dezelfde vierkante meter. De werkelijke huur is dus de huur die betaald wordt door de ruimte gebruiker aan de belegger. In hoofdstuk 5 wordt beschreven hoe bepaalde factoren de hoogte van de huur bepalen en wat de gevolgen zijn van een verschil in de werkelijke huur en de markthuur. In deze paragraaf wordt er gekeken naar de regionale verschillen.
3.3.2 De winkelmarkt De huurgegevens van de winkelmarkt zijn beschikbaar van 28 Coropgebieden, wat veroorzaakt wordt door het IPD, wat een onderscheid maakt in coropgebieden met meer en met minder dan 10 objecten. De werkelijke huren per vierkante meter vloeroppervlak liggen tussen de 379 en 829 gulden met een mediaan van 563 gulden, zoals te zien is in tabel3.3.1. De gemiddelde huur is 588 gulden 50 wat wil zeggen dat een aantal corops met relatief hogere huren bestaan, dan verondersteld in een normale verdeling. Zoals te zien is in de tabel zijn het niet allen de randstadgebieden met de hogere huren per vierkante meter vloeroppervlak.
28
Tabel3.3.1 De huur per vierkante meter vloeroopervlak in fl 900
Werkeli ke huur op winkelmarkt
800
".....
".....
1--
1--
1--
:-.
:-
1--
1--
1--
:'--
700 600 500 r-1--r-1--
400
-
.....
....
1--
1--
f-
1--
1--
1--
1--
-
f-
,--
1--
f-
300 200
1--
'--
f-
'--
f-
1--
f-
1--
f-
f-
100
1--
-
1--
1--
1-
-
f-
'--
1--
f-
f-
0
~l
é~ N
lë5
~
l.i.
f-
1--
.5!'1'... i l• ~~~l~~lf~t "' ~ .:.~...;
~
1-
ct:
Nl.i.Qà'i N
~a
....
-
-
-
......
".....
1--
1--
1--
1--
1--
1--
1--
:-.
1--
1--
1--
'--
1--
1--
1--
'--
1--
f-
1--
1--
1--
f-
1--
1--
1--
1--
1--
:-
1-1-
1--
1--
1--
1--
r--
1--
f-
f-
-
:-
1--
1--
:-
1--
1--
1--
:-
1--
f-
1--
:-.
1--
f-
f-
1--
f-
1--
1--
1--
1--
1--
1--
1--
1--
1--
1--
1--
1--
f-
-
1--
1--
1--
1--
1--
1--
1--
-
f-
f-
1--
.2'•. t i· 'è~ ~i
:...~8;:~ .. OI c'5 ~m ~ ài c3 :x:
ê)o-e,ë5~
-r-
~
~ >
--
' ~ 3....;"" ~ ~ zl..:.=~~.:."§·E'.i i~ i~ 1 ]~ ·:!:-a ]:-~ -ê.. 28i.... ~ re~ o~~~&e~~gà; . i ~i l 8'~ ~ ~ ; (5 t (5 .. ct:;; ~ài ~ài
1
N
l.i.
(5
ct:
::.:
Jt
Wanneer we de markthuur op de winkelmarkt vergelijken met de werkelijke huur zien we dat de kans dat de verdeling van de markthuur normaal verdeeld is, kleiner is en constateren we een lichte scheefheid naar coropgebieden met een hogere gemiddelde huur. Er bestaat een grotere spreiding om de mediaan, met maar 1 uitschieter rond de 600 gulden, dit wil zeggen dat alle waarden iets extremer zijn met een minimum huur van 369 en de maximum huur van 929 gulden per vierkante meter. Ook de gemiddelde markthuur is 634,1 0; wat ongeveer 50 gulden hoger is dan de werkelijke huur. We kunnen dus concluderen dat over het algemeen de geschatte markthuren gemiddeld wat hoger liggen dan de werkelijk ontvangen huren. Bij nadere analyse zien we dat het absolute verschil tussen de werkelijke huur en de markthuur toeneemt, wanneer een corop een grotere werkelijke huur heeft, maar dat het relatieve verschil gelijk blijft. Dit kan een relatieve inschattingsfout van de taxateur beteken of misschien waardeert de markt de coropgebieden met een lage werkelijke huur te laag en de coropgebieden met een hoge werkelijke huur te hoog. De grootste negatieve verschillen tussen de werkelijke huur en markthuur kwamen in voor in de gebieden; Groot-Rijnmond, Utrecht, Groot-Amsterdam, Zuid-Limburg en Alkmaar en omgeving. De grootste positieve verschillen tussen de werkelijke huur en de markthuur kwamen voor in de gebieden; Kop van Noord Holland, Flevoland en West-Noord-Brabant. Het is opmerkelijk dat de gebieden Kop van Noord-Holland en Alkmaar en omgeving zoveel van elkaar verschillen. We kunnen concluderen dat de werkelijke huur een iets meer dan evenredig verband met de markthuur heeft. Ook ontdekken we een opmerkelijk verschil tussen werkelijke huur en de markthuur voor de retailsector in de Kop van Noord-Holland. De werkelijke ontvangen gemiddelde huur is daar 695 terwijl er een gemiddelde markthuur van 665 gulden per vierkante meter door taxateurs geschat wordt. In bijna alle andere regio's ligt de markthuur boven de werkelijke huur en we zouden daarom op basis daarvan een markthuur van ongeveer 760 gulden per vierkante meter verwachten.
3.3.3 De kantorenmarkt. Op de kantorenmarkt zijn lagere ontvangen en markthuren van toepassing dan op de winkelmarkt. De gegevens zijn verstrekt voor een 17-tal coropgebieden, waarvan de gemiddelde ontvangen huur varieert tussen de 184 en 263 gulden per vierkante meter vloeroppervlak, met als mediaan 214 gulden. Deze variatie is stukken kleiner dan op de winkelmarkt, waar er een verschil van 450 gulden tussen de minimum en maximum ontvangen huren aanwezig was. De verdeling van werkelijke ontvangen huren over Nederland is naar alle waarschijnlijkheid niet normaal verdeeld. Aan de hand van histogram 3.3.2 kunnen we zien dat er is sprake van twee concentraties van 200 gulden en van 240 gulden. Deze laatste van 240 gulden zijn voornamelijk de gebieden in de randstad of gebieden met een sterk verstedelijkt karakter.
29
..........
~:
ll:
I 200
180
220
240
260
OF/CrArm
De gemiddelde markthuur op de kantorenmarkt ligt in tegenstelling tot de winkelmarkt wat onder de werkelijk ontvangen huur. De spreiding tussen de hoogste markthuur van 259 gulden en de laagst geschatte markthuur van 177 gulden is hetzelfde als de spreiding tussen werkelijk ontvangen huren. De verdeling is iets scheef naar rechts. De regio met de grootste markthuur is de regio groot Amsterdam, gevolgd door de Agglomeratie 's-Gravenhage zoals te zien is in tabel 3.3.3. Tabel3.3.3 De huren in 300 250
~0
Werkelijke en markthuur per corop
werkelijke huur
• markthuur ~
150
i-
_,....
...-
-
200
I
1-
..
I
i
I-i
t-1
1-
1-
I-i···
..
-
I
-
:-..
-
50
1-
-·
.
...
-
I
-
! - ..•
1-
1-
1-
... 1-
.·.·
100
-
r-
1-~f---
-
1-
!-- ••.
-
!--'"
1-
-
-
1-
1-
1-
-
!--
-
r--
r--
.··
1-
1- ..
.. 1 - .•.•
_
1- ....
1-
-
-
:-..
1-
1-
-
!--
'----
1-
1-
-
'----
!--
[····
.. -
-
!--
1-
.
..
0 Q)
'E Q)
~
O)a5 ~"0 "È'E Qj -~ -~ ~ .§ g ~ 5 :~ >§ 0 o ~~ oa; 0 I
(5 N::c $:co
r--
-
·.
.. ·
-
-
r-
r-
r-
zo
"0
c
ttl
] ii
Cl
::-
·- .o :JE
E
-o::; N:.:J
~c
c
~,:;
ëi>
Q) 1/) Q)Ol..J....:
-ê ~ ..... <(
-a,s
Cl <(
"0
00 'Ettl
z.o ttl 0 .... I
"E ..... ~"0 0 c ::J c 0
ttl
z.o ttl I
NCO ~ro
N
tt!
..!..15
~::c 0
"0
...... c 0
0
eE (9 :~ 0:
E0
~
5
c Cl)
....:
(ij
"ö :i::
0 (9
-
ttl g> --o 0 .... .c I
0
....: c
>
Cl> <( ~
Q)
E
Q)
eh
C)Q)
(9
0
Q)
(5iii
E
<(
Er bevinden zich een aantal coropgebieden in een huur klasses boven de 230 gulden, die volgens de markt in de klasses daaronder thuishoren. We spreken dan over de gebieden; Utrecht, GrootRijnmond; Noordoost-Noord Brabant en Zuidoost-Oost Brabant. Ook opvallend is dat de gebieden; Agglomeratie Leiden en Bollenstreek, en Flevoland een hogere markthuur dan de werkelijk ontvangen huur op de kantorenmarkt hebben, terwijl bij alle andere gebieden de markthuur onder de werkelijke huur ligt. De grootste verschillen tussen de werkelijk ontvangen huur en de markthuur zijn geconstateerd in de gebieden; Oost-Zuid-Holland, ZuidLimburg en Zuidoost-Noord-Brabant. Deze gebieden ontvangen een hogere werkelijke huur dan de markt schat. Heel opmerkelijk is dat het coropgebied Groot-Amsterdam met zijn markthuur het dichtst tegen de werkelijke ontvangen huur aanzit. Je zou kunnen zeggen dat de vastgoedmarkt hier in evenwicht is. Over het algemeen liggen alle werkelijke huurprijzen dichter tegen de markthuurprijzen aan op de kantorenmarkt dan op de retailmarkt.
30
3.4 De kapitaal groei
3.4.1 Inleiding De kapitaalgroei is de toename in de waarde van het aantal objecten binnen een coropgebied, die het hele jaar zijn aangehouden. Hiervan zijn alle investeringen afgetrokken en het is uitgedrukt als een percentage van al het belegde kapitaal aan het begin van het jaar plus alle uitgaven aan investeringen gedurende het jaar. Deze laatste zijn gecorrigeerd voor het tijdstip dat ze aangewend zijn. We gaan nu dus in op de eerste term uit de rendementsberekening van de vorige paragraaf, oftewel het indirecte rendement. De groei van de kapitaalwaarde geeft de toename van de waarde van het pand weer. Het is een money weighted capita! growth, wat komt doordat in de noemer van de formule het geïnvesteerde kapitaal is weergegeven met een cijfer voor het startkapitaal en een cijfer voor de kapitaal investeringen gewogen naar wanneer de investering is gedaan. Een aanname van een gelijke spreiding over het jaar zorgt hier voor een halvering. Deze cijfers zijn per corop weergegeven en geconstrueerd met behulp van de volgende formule;
CV1 -CVg -Cü * 100 (CVo + Y2 C1) CV = Capita! Value C = Capita! Expenditures
3.4.2 De winkelmarkt Het IPD heeft de cijfers van de kapitaalgroei van de winkelmarkt verstrekt voor 32 coropgebieden. Zoals te zien is in tabel 3.4.1 variëren zij tussen de -4,5o/o en de 11 °/o met als mediaan 2°/o. De winkelmarkt heeft een gemiddelde kapitaalgroei van 1,8°/o met een 95% betrouwbaarheidsinterval tussen de punten 0,69 en 2,9o/o Een zeer opvallende waarneming is Oost-Groningen, met een kapitaalgroei van ongeveer 11 ,7°/o. Zij steekt namelijk met 5o/o meer kapitaalgroei met kop en schouders boven de andere coropgebieden uit. Opvallend is dat deze waarneming ook het enige extreem is. De meest extreme negatieve waarneming is het coropgebied Zuidwest-Overijssel. De veelgenoemde randstadgebieden laten geen extreme cijfers zien. Agglomeratie Den Haag en Groot-Rijnmond hebben zelfs een lichte negatieve kapitaalgroei van -3°/o en -0,6°/o. Tabel3.4.1 12 ~----------------------------------------------------------------------------~
Kapitaalgroei in de winkelsector in%
10 +-------------------------------------------------------------------------~ 8 +-------------------------------------------------------------------------~
6 +-------------------------------------------------------------------------~ 4 +---------------------------------------------------------------~
2 +---------------------------------~ 0 -2
+-----------------~
+--------1
-4
-6
ë:~~i~1
~~~f~~t~~~~g~~~~~~~f~~~~~f
:::: "'2 :c 0 iS :! ~~~~i~o~~~~~tli!iliZIII;§Z f~~è{i è{im:!:!:::;;:): t;:;>l-::ç: 2 ~·~·~:=. ~ 2 "" "" "":::x:· > ""m ::>:.<3 ' ,§;.è{j~,fi.::ç::.S );....;IJ..-o -o f.1:i-o c: E ~(!)~4-U,.. "'(!) C?g.,:,~f5 CÇ:-o.E!'ÏË2-o 5 i ~ ~ ~ ~ 1 ~ ~ c N ~ ~ _v. 8 '8 ~ ~E z oI ~~ =-~ ~ ~~ c~ 2 2 ~ r:::ï o o "" o ~o o "5.2i'::i(!)ó (!) ó ~ 8' <ë j: :2 1: ~ -~ 8 2 ~ 0 N :.c :! c ._. N 2
ó
8
8 8
:r
31
1
3.4.3 De kantorenmarkt De kapitaalgroei op de kantorenmarkt ligt op een gemiddeld lager niveau dan de kapitaalgroei in de winkelmarkt (zo'n 0,53°/o). Interessant is dat het 95o/o betrouwbaarheidsinterval van het gemiddelde van de verdeling tussen de -0,61% en de 1,69°/o ligt. Bij beleggingen op de kantorenmarkt in Nederland moet dus emstig rekening worden gehouden met een negatieve kapitaal groei. We constateren geen extremen. Het coropgebied met de kleinste waarde is Twente met -3,7o/o, gevolgd door de Agglomeratie Leiden en Bollenstreek met zo'n -2,8°/o. Het coropgebied met de grootste kapitaalgroei is Zuidoost-Noord-Brabant met 3,5o/o gevolgd door Zuidoost-Zuid Holland met 3,4 °/o kapitaalgroei. De kans dat we te maken hebben met een normale verdeling is groot genoeg om daarvan uit te gaan. De p-waarde is 0,2049, wat ruimt boven ons 5°/o significantieniveau uitstijgt. In tegenstelling tot de twee andere sectoren ligt het 95°/o betrouwbaarheidsinterval van het gemiddelde voor een deel in de negatieve zone. We kunnen dus bij een investering in de kantorenmarkt in Nederland een negatieve kapitaalgroei verwachten.
3.4.4 De woningmarkt. Op de woningmarkt constateren we een groot aantal kapitaalgroeicijfers die erg geconcentreerd zijn. De gemiddelde kapitaalgroei is 4,39% met het 95°/o betrouwbaarheidsinterval tussen de 3,05 en de 5,75. Hiertussen liggen de meeste waarnemingen, terwijl de laagste waarneming -10,09o/o en de grootste waarneming 10,5°/o is. De kans dat de totale distributie normaal verdeeld is klein, wat veroorzaakt wordt door enkele extreme waarnemingen. De verdeling is ook scheef naar links. Opvallend is de extreme kapitaalgroei van -1 0,1 °/o in Noord-Drenthe. Deze ligt zo'n 15 punten onder het gemiddelde. De daaropvolgende waarnemingen zijn Zuid-Oost-Drenthe en Zuid-WestOverijssel. Ook opvallend is het verschil tussen Zuidwest-Overijssel en Noord-Overijssel (-4,2o/o en 10,5o/o)
3.5 Het direct rendement
3.5.1 Inleiding In deze paragraaf behandelen we het tweede gedeelte van de rendementsberekening, of over het inkomensdeel van de berekening van het totale rendement. Zoals eerder vermeld zijn dit de feitelijke netto-opbrengsten gedurende een bepaalde periode, afgezet tegen het gemiddeld belegd vermogen/geïnvesteerd vermogen van de onderliggende vastgoedobjecten. Maar wat verstaan we onder netto opbrengsten? Dit is het resultaat van de opbrengst verminderd met de exploitatiekosten. Deze opbrengst bestaat weer uit een bruto-huuropbrengst en de overige inkomsten, welk laatste de overheidssubsidies en andere inkomsten ontvangen uit hoofde van het eigendom van het object omvatten. De bruto-huuropbrengst is het totaal van de gefactureerde huren gedurende het kalende~aar. We praten dan over de huur onder aftrek van (voorschot)servicekosten, b.t.w., huurkorting en dergelijke.
3.5.2 De drie sectoren Terwijl er zulke grote verschillen zaten in de kapitaalgroei is de verdeling van het directe rendement op de winkelmarkt erg geconcentreerd. De totale verdeling van de 32 objecten ligt tussen de 7,5°/o(coropgebied Zuid-West-Overijssel) en 9,5°/o(coropgebieden Noord-Overijssel en WestGelderland). De coropgebieden met de grote steden in de randstad liggen over het algemeen wat onder het gemiddelde met het directe rendement. De coropgebieden met de grootste waarden liggen in het oosten of het noorden van het land.
32
Er zijn geen echte extreme waarnemingen geconstateerd. Het gemiddelde rendement was 8,8o/o en de mediaan was 9, 135; wat betekent dat de verdeling iets scheef naar links is of dat er iets meer kleinere waarnemingen zijn geconstateerd. Opmerkelijk is wel dat het grootste directe rendement in Twente was en het laagste in Groot-Amsterdam. Er zijn over het algemeen hogere directe rendementen in gebieden als Zuid-Limburg en Flevoland dan de verstedelijkte randstadgebieden, zoals te zien is in tabel 3.5.1. De drie coropgebieden met de laagste waarden zijn: GrootAmsterdam(?, 1%), Groot-Rijnmond(7,6°/o), Agglomeratie 's Gravenhage(7,8o/o). Tabel3.5.1
12~--------------------------------------------------------~ Direct rendement in % 10 8
r
1
6
4 2 0 E
il;l ....,~
0 0
... oill
~
"!,.
a::
'
oill 0'1
8~ ~f
E
<(
(!:l
...
:::-
~
oill "è::: Ë c oill o :::- E o~~~ oill 11'1 8 ~ :2.::: _,....: 5 ~4i_!~ ....: 0 ~ :!
8: ~ a:
t;ti èLi-
c
•
"E ......
N
g:m
<(
c3
()
E E
<(
c -b O'loill o.J:j ~.!'! ·- 0'1 oë 0 il;l 2 :! c)o ~ -~ z.J:j à :! jCD NI oE (!:l _m ~..,
... c 0
il;l
:2~
2
~
c
il;l
0
:::>o oill
i:i:
c ..:
.:::o.s:E
:2~ ,;=.; :;I c
0'1
0 () ":1.!! (!:l~ tîö
SI
~Ê
:::i
oill
ëoill 3: .....
Het gemiddelde van de directe rendementen op de woningmarkt ligt op 7,24°/o en de mediaan op 7 ,27o/o, wat aangeeft dat de verdeling van de income returns op de woningmarkt in Nederland praktisch symmetrisch is. Ook frappant is het kleine 95o/o betrouwbaarheidsinterval van het gemiddelde, tussen de 7,1 en 7,38°/o. Wanneer we naar de extremen kijken zien we als minimum het coropgebied Oost-Zuid-Holland met een income return van 6,5°/o en als maximum zien we Zuid-West-Drenthe en Noord-Limburg met 8,04o/o. De randstadgebieden Utrecht, GrootAmsterdam, Den Haag en Groot-Rijnmond liggen met hun income return allemaal onder of op het gemiddelde. Het coropgebied met het onverwacht groot aantal objecten en belegde kapitaal Arnhem/Nijmegen zit onderaan in de verdeling. De income return is slechts 6,7o/o. De directe inkomsten per belegde gulden vallen dus wat tegen ten opzichte van de rest van Nederland en ten opzichte van de andere extreme coropgebieden uit de randstad.
3.6 Het totale rendement 3.6.1 De drie sectoren De absolute topper op de retailmarkt is natuurtijk Oost-Groningen. Met een totaal rendement van 19,9°/o is dit coropgebied de enige extreem of "outperformer". Dit alles ten opzichte van een gemiddeld rendement van 10,2%, met een 95°/o betrouwbaarheidsinterval tussen de 9,08 en 11 ,4°/o, waaruit we kunnen concluderen dat het merendeel van de waarnemingen erg geconcentreerd is. De slechtste performer is Zuid-West-Overijssel met een schamele 2,8o/o totaal rendement. De randstadgebieden Utrecht met 14,2°/o en Groot Amsterdam met 10,8o/o vallen boven het gemiddelde en de gebieden Den Haag met 5,0°/o en Groot-Rijnmond met 7,5o/o vallen ver onder het gemiddelde. De 9 coropgebieden met het grootste total return liggen, op één na, allen in Noord of Oost Nedertand hetgeen we kunnen verduidelijken aan de hand van tabel 3.6.1
33
Tabel3.6.1 • i Totaal rendement wmkelmark.t n%
20 18 16
I
14 12
......"
10 8 6 4
---
----~
I -1
I
-----·
2
0 1-,"i
~"" '!., ~ 1 .2'1 i.,. :::" ,gg~ P pg~:.;o.l~:: 1 -ij.~ ~ • - 0 0 ~ ~ ~lól difOr:l ~~ tf %;:-~~~
1 :;
Cl
;~ 'idi -~! 1 0
"0 ..
~o:"ez
<
(!!
0: :! !; :i"" i o.o,;:;1~~
~.; ~1
1:1''
cn
.il
-0 0
~ ö
~~
:J
l
~ "Q>o ~.3 o.? ~i N.., )~ ~~ -rD
~
" ~t1 :ë 0
.i!
>
0 ~
(!!
z
6
N
.. y
~
"0
0
De kantorenmarkt is wat het totaal rendement betreft wat geconcentreerder. Zij varieert tussen de
5,4o/o in Den Haag en de 12,6o/o in Zuid-Limburg. De verdeling van de waarnemingen is scheef naar links, wat we kunnen afleiden aan de mediaan van 10,34°/o die het gemiddelde van 9,4o/o overtreft. Het 95°/o betrouwbaarheidsinterval voor dit gemiddelde ligt tussen de 8, 17o/o en de 10,65o/o. Opmerkelijk is dat de eerder genoemde gebieden in de randstad de lagere waarden hebben en de gebieden in het zuiden van Nederland als Zuid-Limburg met 12,6o/o en Noordoost-Noord Brabant met 11 ,8°/o en Zuidoost-Noord-Brabant met 11 ,3°/o de toppers zijn. We kunnen de situatie op de kantorenmarkt verduidelijken met de volgende tabel 3.6.2. Tabel3.6.2 14~------------------------------------------------------~
12 10+---------------------~==~ a+---------------~
6
...f--------1
4 2
0
....
v-2 =e, ~ 0\
=>
c:
~
-5;
:::! '"5 OlaJ
< ~ :Jl
-is'8
&.i a:
~
~
1i g ~
.!-~~1i --o"!: ~ ~ ~~
C!:I~:3=CO
8·~
2c5
.:§
~
:::s
2'*'~-gi~151i]1i ":-~ ~ z ~~ ~~
·:;:; .c
=--i5""'
0
ot5 8:x:
~
.
>5-t::~-sz , O l c§.:C 1"-.J,:;g ~Ë ~~Q.S""~E -f§eQ-ooo :::t:> ""~ ...... :.: : :. <ë ""~co 2 a,
De verdeling van de totale rendementen op de woningmarkt is erg geconcentreerd, ondanks enkele extremen. De extreme waarden van het totale rendement liggen ver uit elkaar. Ze liggen tussen een minimum van -3,4% in Noord-Drenthe en een maximum van 17,8°/o in Noord-Overijssel. Vreemd is dat deze gebieden zo dicht bij elkaar in het oosten van het land liggen. Het gemiddelde totale rendement is 11 ,6 met als 95o/o betrouwbaarheidsinterval tussen de 10,2°/o en de 13,3°/o. De randstedelijke agglomeraties liggen hier allemaal binnen. Opmerkelijk is dat Noord-Drenthe, Zuidwest-Overijssel en Zuidoost-Drenthe geografisch gezien in het noorden liggen en allemaal extreem klein zijn.
3. 7 Het direct- indirect- en totaal rendement in de woningsector. Het totale rendement is samengesteld uit de som van de kapitaalgroei en het directe rendement. Dit is niet altijd het geval bij de gegevens van het IPD, maar dat zullen kleine afrondingsverschillen zijn. Het is interessant om te bekijken in welke mate de total return bepaald wordt door de kapitaalgroei of het directe rendement. We hebben een verband tussen de gegevens geschat, waaruit we kunnen zien dat de kapitaalgroei ongeveer rechtevenredig toeneemt met de totale rendement en dat het directe rendement ongeveer gelijk blijft over de hele linie. We kunnen concluderen dat een verschil in het totale rendement voor 95o/o verklaard wordt door een verschil in kapitaalgroei, wat we verduidelijken aan de hand van onderstaande tabel 3.7.1.
34
Tabel3.7.1
Totaal, direct en indirect rendement op de woningmarkt
20~--~==~~~~--------------------~~
15 10
- - = ----------1 /
+--------::7'
-·-··--....-
--
--------
5t---~--------==~==~=====--------------------------J 0+-+-~-+---4-----4-----~-----4------~------~----~
-5
~
-10+-~------------------------------------------------~
---Indirect ---direct -.-Totaal
coropgebieden gerangschikt op grootte van het totale rendement -15~--------------------------------------------------------------~
3.8 De groei van de open markthuurwaarde
3.8.1 Inleiding We kunnen een onderscheid maken in de huur die we werkelijk ontvangen en de huurwaarde die volgens een taxateur op het pand zou moeten rusten. De veranderingen in de werkelijke huur kunnen we waarnemen aan de hand van de inkomensgroei en de verandering van huurwaarde die volgens de markt op het pand rust kan worden waargenomen aan de hand van de groei in de open markt huurwaarde. we bekijken dan de groei in de geschatte huurwaarde aan het eind van jaar 1995, uitgedrukt als een percentage van de totale huurwaarde. Onder de huurwaarde verstaan we de geschatte bruto huurwaarde in de markt. Bruto wil zeggen dat we het erfpachtcanon er niet afgetrokken hebben, maar wel gecorrigeerd voor de verschillen in vreemd vermogen per object. De waarnemingen binnen de drie sectoren zijn hieronder weergegeven.
3.8.2 De drie sectoren Wanneer we naar de waarden voor de geschatte markthuurgroei kijken, zien we dat er op de winkelmarkt een homogene verdeling bestaat en dat meerdere klasses uitgesloten zijn. Het minimum van -7.4o/o groei in de open markthuurwaarde in Zuidwest-Overijssel en het maximum van 9,7°/o in Oost-Groningen laten zien dat het bereik van de waarden groot is. Toch zijn de meeste waarnemingen geconcentreerd tussen de -3 en de +3°/o. Het gemiddelde kwam bijna overeen met de mediaan met respectievelijk 0,8669°/o en 0,7214o/o, waardoor er geen scheefheid in de verdeling is. Het opvallendst vind ik de grote en grootste waarde van het coropgebied Oost-Groningen. Er is dit jaar ook een grote kapitaalgroei geconstateerd in Oost-Groningen, maar de inkomensgroei was niet buiten proporties hoog. Enig logisch verband tussen de groei in de openmarkthuurwaarde en de kapitaal groei is niet duidelijk te trekken in de andere gebieden. De verschillen in de groei van de open markt huurwaarden van de kantorenmarkt zijn substantieel. De minimum waarde is -1 ,4°/o voor het co ropgebied Agglomeratie 's-Gravenhage en de maximumwaarde is 18°/o voor het coropgebied Arnhem/Nijmegen. De verdeling is scheef naar rechts. Het gemiddelde is 3,5°/o en de mediaan is 2,0o/o, maar het merendeel van de waarden ligt tussen de 0 en de 6°/o. De woningmarkt heeft slechts 1 negatieve waarneming, terwijl dit in de andere 2 sectoren regelmatiger voorkwam. Het coropgebied Midden Limburg heeft de uitzonderlijke lage waarneming van -2,1 °/o, terwijl het merendeel van de waarnemingen tussen de 3 en de 4o/o licht.
35
3.9 De netto inkomensgroei.
3.9.1 Inleiding De netto inkomensgroei is de toename van het netto inkomen in het jaar 1995 als percentage van het netto inkomen aan het begin van het jaar 1995. Dit netto inkomen wordt gedefinieerd als de ontvangen huur min het erfpachtcanon. De inkomensgroei per corop is natuurlijk afhankelijk van de verandering van het aantal objecten of van de plotselinge leegstand, die deze inkomensverandering kan veroorzaken. Wanneer er een nieuwbouw project net is opgeleverd, zal het inkomen dat jaar toenemen. De formule waarmee we de waarnemingen van de drie sectoren zijn berekend, kunnen we als volgt weergeven: Netto Inkomensgroei =
ilih - Nlgl * 100 Nlo
NI= Netto Inkomen
3.9.2 De drie sectoren Op de winkelmarkt liggen bijna alle waarnemingen tussen de 2,3 en de 4o/o inkomensgroei. De verdeling is iets scheef naar rechts, want er zijn een aantal coropgebieden met extreme positieve waarden. Het zijn de gebieden; Utrecht(11 ,8o/o), Arnhem/Nijmegen (11 ,7%), de Veluwe (7,9°/o) en Groot-Amsterdam (6,9o/o). De uitschieters naar beneden zijn de gebieden; Zuidwest-Overijssel(7,9o/o), Noord-Friesland(-2,9°/o) en Noordoost-Noord-Brabant(-2,0o/o). De waarnemingen op de kantorenmarkt zijn redelijk geconcentreerd tussen de -2,5 en +3,8°/o maar we constateren wel een uitschieter met een negatieve inkomensgroei van -13,5°/o voor het coropgebied West-NoordBrabant. Op de tweede plaats komt Noord-Overijssel met -8,6°/o. De hoogste inkomensgroei is te vinden in Zuidoost-Zuid-Holland met 9,7o/o, gevolgd door Arnhem/Nijmegen met 9,3°/o. We lezen van het histogram van de woningmarkt af dat er 1 top is en dat de concentratie van de waarnemingen erg groot is, en wel tussen de 2,7 en de 5,0°/o, met een tweetal uitschieters. We zien als enige negatieve waarde -4,0o/o in Noord-Drenthe en een maximumwaarde van 20,5°/o in NoordOverijssel. Opvallend is het grote verschil terwijl de gebieden zo dicht tegen elkaar aanliggen. Een waarde van 20,5o/o is absurd hoog. De een na hoogste waarde is 7,0 voor Zuid-west Overijssel. Wanneer we deze extremen negeren, nemen we geen grote variantie meer waar.
3. 10 De current gross yield
3.10.1 Inleiding De current gross yield is de maatstaf die een inkomensyield berekent. Het berekent het werkelijke inkomen als percentage van het belegde kapitaal aan het eind van hetzelfde jaar. Er bestaat een verschil tussen de Current Net Yield en de lncome return. De Yield geeft de verhouding weer tussen het inkomen in 1995 en het kapitaalwaarde aan het eind van 1995. Wanneer een object erg risikovol is, zal een belegger hier een inkomenscompensatie voor willen ontvangen. Een hoger risiko impliceert dus een hogere yield. In onze analyse op regionaal niveau zal bijvoorbeeld een lagere bevolking een verhoogt risiko per regio met zich kunnen meebrengen.
36
3.10.2 De drie sectoren De current gross yield op de retailmarkt ligt tussen de 6,8 en de 9,4°/o. Het gemiddelde ligt op de 8,5o/o met als 95°/o betrouwbaarheidsinterval tussen de 8,3 en de 8,7°/o. Er is één extreme waarneming geconstateerd in het coropgebied Oost-Groningen met 6,82o/o, hetgeen betekent dat het inkomen relatief laag was ten opzichte van de kapitaalwaarde in dat jaar. Een belegger heeft dus genoegen genomen met een lager inkomen in deze regio. Eigenlijk is het logisch dat we deze constatering doen, omdat de retailmarkt ook zo'n grote kapitaalgroei heeft laten zien, terwijl het netto inkomen is achtergebleven. De kantorenmarkt was natuurlijk niet erg groot. Er waren maar 17 gebieden, waarover wij informatie beschikten. Aan de hand van de volgende tabel 3.1 0.1 kan worden afgeleid dat er relatief hogere yields waren in dun bevolkte en relatief afgelegen gebieden. Deze yields kunnen een inkomenscompensatie zijn voor het relatief hogere risiko dat daar opgelopen kan worden. Tabel 3.1 0.1 De vield in %
14r::==:~:-:-:-:--~--------=== Current Gross Yield op de kantorenmarkt
12
10
8 6 4 2
0 11
IJ E
.!,~ 0 ~
IJ "C
c.
u 1,1
à5~z"5ë oë
e
0 o'O ~ ~ ~ o ~ 2.Q 2.!! ~VI ~ :::- -5. ~ ='? :! ó:! a: 131 om _m E <( <(
2
u
1,1 1,1
.,:,
~ 0
~
:5
H
u 1,1
IJ
"èc:2c.~~.,:,~ ~~
g
~ E ""' 2:! ~ ~ jCD ~ E
N
~ 0 .!!!. ï5 ~ o·~ o~ :C 26 ~>
t;"5
8
N
IJ 1,1
1,1 ~
c. o'O
0:>
""' ü:
u u u
.~:È~-,:,5
c.
131""' VI o'O :::1'0 ·-.c ·- er .5 =-="2~=~e ;; ·- 0:> c. 131""' 0 0 0 ~ N :c ...J
.:l'
a
11
ë""' ""'
3: 1-
~
Op de woningmarkt zijn net als op de kantorenmarkt geen extreme waarnemingen of "outlyers" geconstateerd en de scheefheid van de verdeling naar rechts is niet noemenswaardig. Wel valt op dat de hoogste waarnemingen afgelegen gebieden zijn. De gebieden Twente, Zeeuws Vlaanderen, Overig Groningen, Zuidoost-Drenthe, Kop van Noord Holland, Noord Limburg en Noord-Drenthe zijn de gebieden met de hoogste yield. Een hoge yield compenseert het hogere risiko, wat in deze gebieden door de omvang of door de dichtheid van de bevolking veroorzaakt kan worden. We zullen dit in hoofdstuk 6 nader onderzoeken.
3.11 De reversionary gross yie/d 3.11.1 Inleiding Deze inkomens yield meet de open markthuur als percentage van het belegde kapitaal per coropgebied over 1995. Deze maatstaf geeft een grotere waarde aan, wanneer de markt een groter rendement van het belegde kapitaal schat. Deze yield geeft dus eigenlijk weer welk rendement er volgens de markt bij welk risiko moet worden verkregen. Wanneer we grote verschillen tussen de gebieden constateren, dat het risiko op regionaal niveau in Nederland verschilt.
37
3.11.2 De drie sectoren De reversionary gross yield van de winkelmarkt geeft een eenduidig beeld, want er zijn geen duidelijk te onderscheiden regionale niveaus geconstateerd. Ook de mediaan en het gemiddelde zijn bijna gelijk aan elkaar, wat betekent dat er geen sterke scheefheid in de verdeling naar links of naar rechts is. Het 95o/o betrouwbaarheidsinterval van het gemiddelde ligt tussen de 8,39 en 8,76°/o en er zijn geen uitzonderlijke extremen. Naar alle waarschijnlijkheid is de verdeling van de reversionary gross yield op de kantorenmarkt eenduidig verdeeld met één extreme waarneming. Een 16-tal waarden liggen tussen de 8,6°/o en de 10,5°/o. Het coropgebied Twente met 13,08%, is hier een uitzonderlijk hoge waarneming op, wat betekent dat het risiko van een kantorenbelegging in dit gebied wat hoger is, dan de andere zestien gebieden, die voornamelijk in verstedelijkte gebieden liggen zoals we zien in tabel 3.11.1 De yield op de woningmarkt geeft geen substantiële verschillen weer tussen de regio's. Er zijn geen extreme waarnemingen of 'outlyers' geconstateerd en het 95°/o betrouwbaarheidsinterval van het gemiddelde is erg klein en ligt tussen de 7,87 en 8, 19o/o.
3. 12 De reversionary potential
3.12.1 Inleiding Dit is de maatstaf die weergeeft in hoeverre de markthuurwaarde de werkelijk ontvangen huur overtreft. Een score van 100 geeft aan dat ze aan elkaar gelijk zijn. In theorie zijn de twee aan elkaar gelijk, maar een hogere open markthuurwaarde dan de werkelijke ontvangen huur geeft een prikkel tot nieuwbouw of zal de werkelijke huren opdrijven. Wanneer we over data beschikken die meerdere jaren beslaan, zouden we een schatting kunnen maken in welke fase van de vastgoedcyclus we ons zouden kunnen bevinden en het zou helemaal mooi zijn wanneer we aan de hand daarvan verschillende regionale trends zouden zien.
3.12.2 De drie sectoren De waarden van de reversionary potential in de winkelmarkt zijn naar alle waarschijnlijkheid eenduidig verdeeld en is iets scheef naar rechts. Het gemiddelde ligt iets boven de 100 op 101 ,13. Het 95°/o betrouwbaarheidsinterval voor het gemiddelde ligt tussen de 99,8 en de 102. Er is sprake van één uitschieter. Het co ropgebied Oost-Groningen staat weer eens aan de top met 11 0,2; gevolgd door Zuidwest-Gelderland met 108,5. De hogere markthuur in Oost-Groningen kan impliceren, dat de werkelijke huren zich nog niet hebben aangepast aan de verandering in de kapitaalgroei. In het gooi en de vechtstreek en Agglomeratie Leiden en Bollenstreek zijn de laagste waarnemingen, respectievelijk 94,7 en 95,2. Opmerkelijk zijn de randstad gebieden met daarin de grote steden, want zij zijn bijna 'rack rented', hetgeen betekent dat de markthuur gelijk is aan de werkelijke huur. Ook de waarden op de kantorenmarkt zijn naar alle waarschijnlijkheid normaal verdeeld. Het gemiddelde ligt op 98.718 dat wil zeggen dat gemiddeld over heel Nederland de werkelijk ontvangen huren de markthuren overtreffen. Elf van de 17 coropgebieden liggen onder de 100. Er zijn geen uitzonderlijke extremen, maar de maxima zijn; West-noord-Brabant (1 08,1) en Agglomeratie Leiden en Bollenstreek (1 07,4). Op een vierde plaats komt Groot-Amsterdam met 103.7. De laagste waarnemingen zijn; Het gooi en de Vechtstreek, Zuid-Limburg en Overig Groningen. Dit zijn dun bevolkte gebieden, waardoor natuurlijk het risiko ook wat hoger is.
De woningmarkt geeft 1 top met enkele extremen. De positieve extremen zijn de coropgebieden Agglomeratie Haarlem (107,9) en IJmond (105,7). Er zijn vier gebieden die onder de waarde van
38
100 zitten, wat betekent dat de werkelijke huur de markthuur overstijgt. De gebieden zijn; MiddenLimburg (94,2), Noord-Limburg (98,7), Zuidwest-Overijssel(99,3) en Flevoland(99,9).
3. 13 Conclusie Dit hoofdstuk heeft een beschrijving gegeven van de omvang en performance van de drie sectoren in de verschillende coropgebieden in kaart gebracht en de regionale verschillen en overeenkomsten aangegeven. We hebben de extreme waarnemingen vastgelegd en indien mogelijk is er een verklaring voor het gedrag gegeven. Ook zijn er in een paar gevallen regionale verbanden gesignaleerd; we zien bijvoorbeeld dat de coropgebieden in het oosten of het noorden van het land een eenduidig patroon hebben en in andere gevallen zien we gebieden die erg dun bevolkt zijn een eenduidig verband hebben. Wanneer we de verschillen en overeenkomsten in omvang en rendementen in kaart brengen, kunnen we als conclusie trekken dat op de plaatsten waar de omvang of de geconcentreerdheid van de drie markten het grootst is, niet noodzakelijk het rendement het grootst is. De gebieden in de randstad hebben over het algemeen een lager rendement dan de gebieden in het noorden of oosten van het land, hoewel deze laatste gebieden qua omvang natuurlijk marginaal zijn. Er worden hogere yields waargenomen in gebieden die relatief dunbevolkt of afgelegen zijn, hetgeen de risikomaat weergeeft die een belegger aan een bepaalde regio geeft. De gebieden in de randstad hebben relatief lage yields en zouden dus wat minder risikovol moeten zijn. We kunnen concluderen dat in de winkelmarkt over het algemeen de geschatte markthuren gemiddeld wat hoger liggen dan de werkelijk ontvangen huren. We zien dat het absolute verschil tussen de werkelijke huur en de markthuur toeneemt wanneer een corop een grotere werkelijke huur heeft, hetgeen een inschattingsfout van de taxateur kan betekenen. Uit tabel 3.3.1 kunnen we aflezen dat de gebieden met de grootste werkelijke huur niet allemaal in de randstad liggen. Op de kantorenmarkt zijn lagere ontvangen en markthuren van toepassing dan op de winkelmarkt. Aan de hand van een histogram kunnen we zien dat er is sprake van twee concentraties van 200 gulden en van 240 gulden. Deze laatste van 240 gulden zijn voornamelijk de gebieden in de randstad of gebieden met een sterk verstedelijkt karakter. De gemiddelde markthuur op de kantorenmarkt ligt in tegenstelling tot de winkelmarkt wat onder de werkelijk ontvangen huur. Opvallend is dat de gebieden; Agglomeratie Leiden en Bollenstreek en Flevoland een hogere markthuur dan de werkelijk ontvangen huur op de kantorenmarkt hebben, terwijl bij alle andere gebieden de markthuur onder de werkelijke huur ligt. Bij beleggingen op de kantorenmarkt in Nederland moet emstig rekening worden gehouden met een negatieve kapitaalgroei. Opvallend is de extreme kapitaalgroei van -1 0,1 °/o op de woningmarkt in Noord-Drenthe. Deze ligt zo'n 15 punten onder het gemiddelde. Ook opmerkelijk is dat het grootste directe rendement in Twente was behaald en het laagste in Groot-Amsterdam. Er zijn over het algemeen hogere directe rendementen in gebieden als Zuid-Limburg en Flevoland dan de verstedelijkte randstadgebieden.
39
4. Diversificatie in Nederland 4. 1 Inleiding In het vorige hoofdstuk hebben we de verschillen in omvang en performance van de winkel-, de kantoren- en de woningsector beschreven en aan de hand van diverse tabellen de verdelingen weergegeven. Dit geeft ons de mogelijkheid om in het volgende hoofdstuk de verbanden met de verschillende performancebeïnvloedende factoren beter in kaart brengen. In dit hoofdstuk gaan we verder in op de verschillen en overeenkomsten in omvang en performance van de drie sectoren dan het geven van een beschrijving. De behandelde moderne portefeuille theorie en de onderzoeken over regionale diversificatie en diversificatie tussen verschillende sectoren scheppen een kader waarbinnen dit hoofdstuk gestalte zal krijgen. We bekijken of er in Nederland voldoende verschillen in performance en dus ook risiko bestaan, zodat dit een bijdrage kan leveren aan de keuze van de portefeuillesamenstelling van een belegger in vastgoed. De analyses die in dit hoofdstuk uitgevoerd zijn, zijn een afgeleide van een aantal vragen die in de beginfase ontstonden maar waar op dit moment nog geen goede analyse-mogelijkheden voor zijn. We wilden namelijk in eerste instantie bekijken of de performancemaatstaven op de juiste manier gesegmenteerd waren, hetgeen betekent dat er binnen bijvoorbeeld de kantorenmarkt zich geen deelsegmenten bevinden, die een significant afwijkende performance geven. Een homogene verdeling van de performance van verschillende regio's betekende naar onze mening een juiste segmentering van de betreffende markt. De constatering van een homogene verdeling betekende echter niet dat er een juiste segmentering aanwezig was, omdat we op een geaggregeerd niveau werken, maar dat we een eenduidig cijfer aan de totale Nederlandse markt per sector mogen geven. Dit laatste is echter ook nog maar een indicatie omdat er in onze cross-sectionele analyse zich gebieden bevinden die onder en bovenin de normale verdeling zitten, zodat er wel deelregio's kunnen bestaan, welke niet zoveel van de totale verdeling verschillen dat ze door middel van een normaliteitstest kunnen worden blootgelegd. De normale verdeling van de regionale performance kan dus geen eenduidig antwoord op de vraag geven of de juiste segmentatie aanwezig is, want hier zijn data op objectniveau voor nodig. Dit onderzoek zal met behulp van data op objectniveau en op basis van gegevens over meerdere jaren moeten worden uitgevoerd.
In dit hoofdstuk worden de onderstaande deelvragen behandeld, de data beschreven en een conclusie en aanbeveling gemaakt. Ten eerste vragen we ons af of op basis van de coropgebieden een eenduidig beoordeling van de totale Nederlandse markt gemaakt mag worden. Ten tweede bestuderen we de vraag of er significante regionale verschillen in performance aanwezig zijn. Ten derde bekijken we de samenhang van de performance tussen de sectoren.
De deelvragen kunnen als volgt worden geformuleerd: •
Is het mogelijk om een eenduidig landelijk cijfer toe te kennen aan de verschillende performancemaatstaven van de ROZI/PO INDEX in 1995?
•
Wat zijn de regionale diversificatiemogelijkheden in 1995?
•
Wat zijn de diversificatiemogelijkheden tussen de sectoren in 1995?
40
4.2 Normaliteit en de data
4.2.1 Het gemiddelde van de markt De verschillende performancemaatstaven van de ROZ/IPD index zijn getoetst op mogelijke aanname van normaliteit op coropniveau. Dit betekent dat er onderzocht is of we een cijfer mochten geven aan de gemiddelde performance in Nederland, welke een juiste indicatie is van verdeling op de totale markt. De normaliteitstest geeft eigenlijk duidelijkheid of de mediaan van de verdeling en het gemiddelde van een verdeling redelijkerwijs met elkaar overeenkomen. Wanneer dit niet zo is kunnen er misschien regio's gegroepeerd worden die allen een identiek verschil ten opzichte van de markt vertonen. Wanneer performancemaatstaven eenduidig of economisch eenduidig zijn, bedoelen we hiermee dat er in Nederland bijvoorbeeld één winkelmarkt is, waar een éénduidig gemiddelde over gegeven mag worden. We hebben de verschillende performancemaatstaven in tabel 4.2.1 gestructureerd weergegeven en aangegeven of daarbij mag worden aangenomen dat we de performancemaatstaf op coropniveau als normaal verdeeld mogen beschouwen. Met behulp van de Anderson-Darling Normality test zijn kansen toegekend aan de nul hypothese. De nul-hypothese van het bestaan van normaliteit kan niet verworpen worden, de p-waarden groter zij dan ons significatieniveau van 5°/o. We hebben in eerste instantie de Anderson-Darling Normality test gebruikt, want zij geeft direct een geschatte p-waarde en geen bereik waar de p-waarden in zouden moeten vallen zoals andere testen op normaliteit doen.
*)bij een significantieniveau van 0,05 op Coropniveau
De belangrijkste bovenstaande variabelen zijn normaal verdeeld. Door middel van dit crosssectioneel onderzoek is er in het jaar 1995 geen substantieel onderscheid gesignaleerd in performance tussen de verschillende coropgebieden. Het kan wel zo zijn dat bepaalde coropgebieden altijd onder of bovenin de verdeling liggen, hetgeen we alleen kunnen concluderen wanneer we meerdere jaren met elkaar kunnen vergelijken.
41
We zien dat de markthuur, de werkelijke huur, de kapitaalgroei, het directe rendement en het totale rendement normaal verdeeld zijn, op de kapitaalgroei en het totale rendement op de woningmarkt na. In de onderstaande alinea's zal ik bekijken waarom de nul-hypothese in sommige gevallen verworpen wordt en welke gebieden in Nederland deze afwijkende performancecijfers geven. In de meeste gevallen is er sprake van enkele extreme waarnemingen die geen duidelijk verband bezitten. Ten eerste bespreken we de kapitaalgroei op de woningmarkt waar een p-waarde wordt gegeven van 0,0005. We zien dat er drie outlyers zijn die de test op normaliteit negatief beïnvloeden. Het 95% betrouwbaarheidsinterval voor de mediaan ligt tussen de 3,9 en de 6,2°/o en de extreme negatieve waarnemingen zijn: Noord-Drenthe (-10,1°/o}, Zuidoost-Drenthe (-4,2o/o) en ZuidoostOverijssel (-4,2°/o). In figuur 4.2.2 is de situatie grafisch weergegeven. Wanneer we de drie minima negeren zien we dat de normaliteitstest een p-waarde van 0,2383 krijgt en dus wel significant is. Een verklaring van de situatie in het oosten van het land is niet direct te geven en tevens is de oorzaak van het verschil tussen twee gebieden die zo dicht tegen elkaar aanliggen niet duidelijk. We hebben het dan over Zuidwest-Overijssel (-4,2°/o) en Noord-Overijssel (+ 10,5°/o) met als ander extreem Noord-Drenthe (-1 0,1 ).
. 999
f ·~ [ ··-·-····:·:::···--·- ._: • :~:· ::~" r~L~~~::~----~-----~ j ~- ~:::j: :c· ---- _ ,. ", ·- v _ :·:::::::·L :::::::::::::::::L_ e
a..
·10
0
10
Rs/CapGr Avera110: 4,39972 Std Dev: 3.99337
Nofdata:H
Ko!rno9ofov-SITirnov Normality Teat 0+:0,097 0-:0.179 0:0.179 ApproxtmoiAI p value < 0.01
De Estimated rental value growth of de geschatte groei in markthuurwaarde op de kantorenmarkt is naar alle waarschijnlijkheid niet normaal verdeeld. Dit betekent dat er gebieden zijn met een extreem verschil in groei van de markthuurwaarde. We constateren dat dit allen het gebied Arnhem/Nijmegen betreft met een ERV van 18o/o. Wanneer we dit gebied uit de verdeling halen stijgt de p-waarde naar de 0,144 en kunnen we normaliteit veronderstellen. De netto inkomensgroei op de winkelmarkt is naar alle waarschijnlijkheid niet normaal verdeeld. Bijna alle coropgebieden liggen tussen de 2,3 en de 4°/o inkomensgroei. De verdeling is iets scheef naar rechts en daardoor niet normaal verdeeld, vanwege een aantal coropgebieden met extreme waarden. Het zijn de gebieden; Utrecht(11 ,8°/o), Arnhem/Nijmegen (11 ,7°/o), de Veluwe (7,9°/o) en Groot-Amsterdam (6,9°/o). De uitschieters naar beneden zijn de gebieden; Zuidwest-Overijssel (7,90/o), Noord-Friesland (-2,9°/o) en Noordoost-Noord-Brabant (-2,0o/o). De netto Inkomensgroei op de woningmarkt is ook niet normaal verdeeld. De p-waarde is erg laag en de waarden vertonen een evenbeeld met de tabel van de kapitaalgroei. We zien Noord-Drenthe als minimum en NoordOverijssel als zwaar extreem minimum. De performance maatstaf die ook een negatieve score gaf in onze test voor normaliteit was de current gross yield op de kantorenmarkt. Dit kwam doordat Twente met 13,07°/o current gross yield eruit springt. Hoe groter de yield hoe groter het risico is dat we in dat coropgebied zouden moeten verwachten. Ook de reversionary Gross Yield gaf een extreem negatieve waarneming in het coropgebied Twente. Wanneer we Twente negeren in onze verdeling van maar 17 waarnemingen kunnen we constateren dat de yields op de kantorenmarkt normaal verdeeld zijn. Dit verwerpt de veronderstelling dat er grote verschillen tussen gebieden in Nederland zouden bestaan met betrekking tot hun risiko en rendement.
42
4.2.2 De regionale spreiding De normale verdeling kan ook een indicatie geven van de mate van spreiding die aanwezig is in de verschillende vastgoedmarkten. Wanneer de verschillen in rendementen van de regio's binnen een sector groter zijn, zouden we kunnen concluderen dat er een groter diversificatiepotentieel aanwezig is. We kunnen dit bestuderen door de breedte van de verschillende normale verdelingen met elkaar te vergelijken. We hebben hieronder de verschillende geschatte normale verdelingen van het totale rendement weergegeven aan de hand van figuur 4.2.1, figuur 4.2.2 en figuur 4.2.3. Descriptive S tatistics Variable: RT/TotRe Andoraon·Darling Normality Teat A.SquaNd: 0.2718 p-valuo: 0.6486 Maan Sld O.v Variane-e
Slewne•a Kurtoola n of data
Minimum 1at0uartilo Median 3rd Quartilo Maximum
10.2660 3.2806 10.7623 0.3354 0.7459 32.0000 2.9321 7.6501 10.5810 12.2231
111.11022
95% Conlidonee Intervallor Mu 9.0832
11.4487
95% Conlidonee lnlorvallor Sigma 2.6301
4.3615
95% Conlidonee lntorvallor Modian 8.8157
11.5326
Descriptive Statistics Variable: OF/TotRe Anderson~DarlingNormality
Test
A·Squared;
0.4181
p~value:
0.2919
Mean
9.4161
Sld Dav
2.•053
Varianee
5.7855
Skewness. Kurt osis
·0.3048 -1.3982
n of dat a
17.0000
Minimum 1st Ou art Ue Median
5.3735 7.3839 10.3470
3rd0uartile Maximurn
11.5292 12.6041
95%Confidencelnterval tor Mu 8.179.
10.6528
ff5%Confidanco Interval for Sigma
1.7914
3.6607
95%Confidence tnlervalfor Median 7.6'95
11.2815
markt
Descriptive Statistics Variable: Rs/TotRe Ande".on..Qariing Normality Teat A·SquaNd; 1.6164 p-valuo: 0.0003 Mean Sld O.v Varianee Skewneaa Kurtoaia n of data
Minfmum lat Ouartilo
Median 3rd Ouartilo Maximum
11.6493 4.0808 16.6532
·1.6972 3.7424 36.0000 -3.4351
10.5246 12.0884 14.3502 17.9936
95% Contidance Interval for Mu
10.2685
13.0301
115% Conlidonee Interval tor Sigma 3.3099
5.3232
95% Contidance Interval for Median
10.9875
13.2456
43
De bovenstaande figuren zijn niet gebaseerd op dezelfde maten voor de assen. Het maakt een vergelijking moeilijker, maar we kunnen aan de hand ervan toch enkele conclusies trekken. Aan de hand van bovenstaande figuren kunnen we concluderen dat het totale rendement op de kantorenmarkt het meest geconcentreerde patroon vertoont. Aan de hand van de breedte van de normale verdeling kunnen we zien dat de extreme totale rendementen maar 8°/o uit elkaar liggen en het 95o/o betrouwbaarheidsinterval van het gemiddelde 2°/o groot is. De winkelmarkt en de woningmarkt vertonen ongeveer eenzelfde patroon. De extreme waarden liggen zo'n 20 o/o uit elkaar, terwijl het bereik van het betrouwbaarheidsinterval van het gemiddelde op de winkelmarkt zo'n 2°/o is en op de woningmarkt # 0/o is. We kunnen de conclusie trekken dat diversificatie binnen de kantorenmarkt minder mogelijkheden biedt als op de winkel en woningmarkt.
4.3 De pearson correlatie We bekeken de verdelingen van de concentraties van het aantal objecten en het belegde kapitaal en de verschillende performancemaatstaven. We concludeerden dat .de hoeveelheden belegd kapitaal en het aantal objecten niet normaal verdeeld zijn, maar de belangrijkste performancemaatstaven wel. Ondanks dat er een homogene verdeling van de performance wordt geconstateerd, kunnen er nog steeds per regio verschillen tussen de sectoren aanwezig zijn. Dit wil zeggen dat het voor een belegger nuttig kan zijn om binnen een regio in verschillende sectoren te beleggen. In de volgende paragrafen geven we dit diversificatiepotentieel weer aan de hand van enkele Pearson correlatiecoëfficiënten, zodoende een beeld te geven van een consistente overeenkomst tussen de verdelingen van de verschillende sectoren over de regio's. Aan de hand van tabel 4.3.1 kunnen we aflezen dat de correlatiecoëfficiënten tussen de hoeveelheden belegd kapitaal hoog zijn. We concluderen dat er in Nederland een sterk verband bestaat in de geconcentreerdheid van vastgoed per coropgebied tussen de verschillende sectoren. Dit wil zeggen dat we in een coropgebied waar bijvoorbeeld een extreme hoeveelheid kantorenlocaties vinden, ook een extreme hoeveelheid winkellocaties kunnen vinden. De correlatiecoëfficiënten variëren tussen de 0,874 en de 0,930. 1aoe1 4.;.;.1 (.;OrreJatJe van noevee1neaen oetega Kapitaal, onswel oe concentratie per regio Kantorensector Winkelsector Kantorensector 0,880 1 0,931 Woningsector 0,874
We zien aan de hand van figuur 3.2.1 dat er vier gebieden uitspringen. Het zijn de gebieden GrootRijnmond, Utrecht, Groot-Amsterdam en Den Haag. Wanneer we deze vier gebieden negeren in onze analyse, zien we dan nog steeds grote correlatiecoëfficiënten. Dit betekent dat de gebieden die niet een grote stad in de randstad bevatten ongeveer hetzelfde reageren. De randstedelijke coropgebieden hadden dus een redelijk grote invloed op de totale correlatie. We kunnen hieruit concluderen dat Nederland geografisch is te onderscheiden op het gebied van het belegd vermogen in twee gebieden. Dit zijn de coropgebieden met de vier grote steden in de randstad en overig Nederland. De correlatie tussen de sectoren betreffende de performance is niet sterk. In tabel 4.3.2 zijn de correlatiecoëficiënten tussen dezelfde performancemaatstaven van verschillende sectoren opgesomd. We concluderen dat de verdeling van de performance van de coropgebieden tussen de sectoren niet gelijk is. De mediaan van de coëfficiënten is 0,1505 met de kwartielen tussen de 0,0375 en 0,3902. Deze coëfficiënten zijn redelijk laag waardoor we een diversificatiepotentieel tussen de drie sectoren in 1995 kunnen bevestigen.
44
Tabel4.3.2
I ..
rf,
Het Totale rendement Winkelsector
Kantorensector
Kantorensector Woningsector Het directe rendement
-0,031 0,218
0,117
Winkelsector
Kantorensector
Kantorensector Woningsector De current gross Yield:
0,124 0,090
0,1
Winkelsector
Kantorensector
Kantorensector Woningsector Netto lnkomensgroei:
0,234 0,246
0,661
Winkelsector
Kantorensector
0,370 -0,187
-0,227
Kantorensector Woningsector
Deze correlatiecoëfficiënten zijn niet hoog en kunnen een indicatie zijn voor een verschil tussen de performance van de sectoren. Aangezien we slechts over data beschikken over het jaar 1995, zou het kunnen voorkomen dat er een enkele regio grote verschillen in performance aanwezig zijn, terwijl er in een andere regio juist grote overeenkomsten zijn. Een correlatiecoëfficiënt kan dan een verkeerd beeld van de situatie geven. Een oplossing kan de cluster analyse brengen. Hiermee kunnen we aantonen of er een paar gebieden sterk met elkaar overeenkomen en zich onderscheiden van de andere gebieden. Wanneer dat zo is zou het kunnen betekenen dat er zich geen diversificatiepotentieel tussen de sectoren in die ene bepaalde regio bevindt.
4.4 De clusteranalyse
Door middel van een clusteranalyse kunnen er een aantal regio's worden onderscheiden die performancekarakteristieken hebben die redelijk met elkaar overeenkomen of die zich onderscheiden van de rest. We kunnen zelf het aantal clusters onderscheiden en de methode voor de analyse. We voeren deze analyse uit omdat er ondanks een lage correlatiecoëfficiënt er nog steeds gebieden kunnen voorkomen die gezamenlijk een ander performanceniveau kunnen vertonen. In eerste instantie zal de clusteranalyse uitgewerkt worden, waarna deze toegepast zal worden op de performance van de verschillende regio's. In het onderzoek naar de mogelijkheden van een clusteranalyse kwamen niet een eenduidige definitie van het woord 'cluster' tegen. Wallace en Soulton (1968) suggereren dat een cluster een verzameling van eenheden is welke beschouwd mogen worden als equivalenten. Genrelli (1963) definieert een cluster als een aggregatie van punten in een testruimte op zo'n manier dat de afstand tussen twee punten in het cluster minder is dan de afstand tussen een punt in het cluster en een punt erbuiten. Over het algemeen kom je in de definities de woorden als 'overeenkomsten, afstand en gelijkheid' tegen. Wat duidelijk is dat er geen universele overeenstemming is wat een cluster vormt. Het is waarschijnlijk waar dat er geen enkele definitie voldoende is. (Brian Everitt, Cluster Analysis, second edition, 1980). De clusteranalyse bestaat uit een aantal stappen. De eerste stap is het omvormen van de ruwe data tot een matrix van inter-individuele gelijkheid, ongelijkheid of afstand maten. Voor het meten van de inter-individuele gelijkheid wordt voor kwantitatieve variabelen over het algemeen de produkt moment correlatie coëfficiënt gebruikt. Voor het meten van de afstand zijn er geen harde regels welke afstandsmaten te gebruiken. Een manier is meerdere methoden te proberen. We zijn dan meer verzekerd van goede uitkomsten als de methoden eenzelfde resultaat geven. De formule die wij gebruikt hebben is de Euclidean methode met de volgende formule: d xy = {2:: (Xi-Yï) 2 } 1-i
De verschillende clusteranalyses zijn uitgevoerd en het resultaat is in de zogenaamde "dendrogrammen" weergegeven. De eerste clusteranalyse wordt toegepast op de omvang van de
45
vastgoedbeleggingen in de verschillende regio's en is weergegeven in figuur 4.3.3. We zien dat we twee clusters kunnen onderscheiden: het zijn de vier randstadgebieden, namelijk Groot-Amsterdam (23), Utrecht (17), Groot-Rijnmond (29) en Den-Haag (26), en de rest van Nederland.
Dendregram aantal objecten in de 3 sectoren Distance 97.84
65.23
32.61
0.00
I
FTR R l I R I I I I I I R I I I I I I I I I I I I I I I I I I I I I I
I
Observations
Wat we willen onderzoeken is of er ook zulke clusters te onderscheiden zijn voor onze performancemaatstaven. Wanneer er clusters zijn die logischerwijs met elkaar een verband hebben, dan kunnen we veronderstellen dat er geografisch onderscheid gemaakt mag worden in de performance van Nederlands vastgoed. We clusteren alleen dezelfde performancemaatstaven van de verschillende sectoren met elkaar. We clusteren de kantoren- en de winkelmarkt, de winkelen de woningmarkt en de drie markten gezamenlijk. Het aantal waarnemingen met een clustering van de drie sectoren wordt dan wel verminderd naar 17. We bekijken ten eerste de dendregrammen van de clustering tussen de drie sectoren. Er zijn in bijna al de diagrammen van de performancemaatstaven geen duidelijk geografisch te onderscheiden clusters aanwezig. In de 66 gevormde dendogrammen tussen winkel-, kantoren- en woningmarkt, de winkel en kantorenmarkt en de winkel en woningmarkt zijn er door de computer een aantal clusters gevormd, maar alleen in de dendogram van het directe rendement zien we een cluster met een groot randstad gehalte. We kunnen dus concluderen dat het directe rendement in de randstad voor de drie sectoren in éénzelfde verhouding staat tot de rest van de coropgebieden. De overige performance maatstaven geven geen clustering weer, waaruit we kunnen concluderen dat er hier per sector geen overeenkomsten in performance tussen bepaalde regio's en andere regio's waren. Misschien zijn er wel een aantal groepen coropgebieden te onderscheiden, maar de basis hiervoor moet uit de resultaten van het volgende hoofdstuk rollen. We hebben nu allen nog het geografische onderscheid onderzocht. In dat hoofdstuk zoeken we een aantal economische factoren die een indicator kunnen zijn voor de performance van Nederlands vastgoed. Het dendregram van het directe rendement in de drie sectoren heb ik in figuur 4.3.4 weergegeven. Fiauur 4.3.4 clusterina van het directe rendement IN C return in de 3 sectoren Distance 1 .1 2
0.7 5
0.3 7
0.00 11
0 bservations
6) Groot-Amsterdam 9) Den-Haag 11) Groot-Rijnmond 15) Zuidoost-Noord-Brabant
46
15
4.5 Conclusie Dit hoofdstuk heeft inzicht gegeven in de verdelingen van de omvang van de vastgoedmarkt per sector en de performance per sector over de verschillende coropgebieden in het jaar 1995. In één zin geven we eigenlijk de beperkingen aan die in dit onderzoek speelden. Omdat we maar over één jaar datamateriaal beschikken kunnen we alleen wat zeggen over de situatie in 1995. Tevens waren het aantal waarnemingen beperkt vanwege de vertrouwelijkheid van de data. Op voorhand moeten we dus concluderen dat deze studie een stimulans moet zijn voor verder onderzoek. Er moet dus geschiedenis gemaakt worden en er moet in de toekomst afspraken gemaakt worden met het IPD betreffende de vertrouwelijke dataverstrekking voor wetenschappelijk onderzoek. In dit hoofdstuk is onderzocht of het mogelijk is een éénduidig landelijk cijfer toe te kennen aan de performance van een sector. Er is gekeken naar de regionale verschillen en dus of er een mogelijkheid was tot regionale diversificatie binnen een sector, maar ook zijn de verschillen tussen de sectoren blootgelegd en is gekeken of er in 1995 een diversificatiepotentieel zat tussen de drie sectoren. Er is bekeken of er een samenhang was tussen de verdeling van de omvang van de vastgoedmarkt binnen een sector en de performance van die sector. Wat betreft de aantallen objecten en het belegde kapitaal constateren we geen normaliteit, een sterke correlatie tussen de sectoren en door middel van de clusteranalyse onderscheiden we vier coropgebieden ten opzichte van de rest van Nederland. Door constatering van de sterke correlatie tussen de sectoren, kunnen we concluderen dat de verdeling van de concentratie van het aantal objecten binnen elke sector ongeveer gelijk is. We constateren dit in- en exclusief de vier coropgebieden uit de randstad met de grote steden. De cluster analyse bevestigt het onderscheid tussen de coropgebieden Utrecht, Groot-Amsterdam, Agglomeratie 's-Gravenhage en GrootRijnmond en de rest van Nederland. De performancemaatstaven geven, soms na eventuele eliminatie van extremen, een normale verdeling. Dit betekent dat er één cijfer mag worden toegekend aan de performance van een bepaalde sector over heel Nederland, maar we mogen nu nog niet zeggen dat er ondanks het geografisch onderscheid in de objectconcentraties geen geografisch onderscheid gemaakt mag worden in de performance van Nederlands vastgoed. Het is namelijk mogelijk dat een aantal gebieden structureel onder of bovenin de verdeling liggen. We zien dat verdeling van de omvang van de vastgoed markt niet overeenkomt met de verdeling van de performance. De verdelingen van de performance maken namelijk geen sterk onderscheid tussen de randstad en de rest van Nederland. Op basis van de breedte van de verschillende normale verdelingen kunnen we concluderen dat regionale verschillen in het totale rendement binnen de winkel- en de woningsector substantieel zijn, hetgeen een regionaal diversificatiepotentieel impliceert. Het totale rendement op de kantorenmarkt gaf een veel geconcentreerder beeld. De diversificatiemogelijkheden tussen de sectoren onderzoeken we door middel van de Pearson Correlatie coëfficiënt. Deze coëfficiënten tussen dezelfde performancemaatstaven en de verschillende sectoren zijn over het algemeen erg laag. Er zijn dus geen consistente patronen in de performance van Nederlands vastgoed, tussen de sectoren, zoals we ze bij de objectconcentraties zagen. We bekijken of er tussen de sectoren bepaalde coropgebieden eenzelfde relatie ten opzichte van de andere gebieden vertonen door middel van een clusteranalyse. We onderscheiden per performancemaatstaf een aantal clusters, maar kunnen geen consistent geografisch patroon onderscheiden. In een enkel geval kunnen we dat wel, namelijk met het directe rendement tussen de sectoren. We zien een cluster dat bestaat uit Groot-Amsterdam, Agglomeratie 's-Gravenhage, Groot-Rijnmond en Zuidoost-Noord-Brabant. Dit cluster bezit een groot Randstadgehalte. Bij de andere performancemaatstaven zijn geen duidelijk geografisch te onderscheiden clusters waargenomen. We concluderen dat dit een indicatie is dat er een onderscheid gemaakt mag worden in het directe rendement per sector op basis van regionale gegevens. Dit impliceert een diversificatiepotentieel tussen de sectoren in 1995. We benadrukken dat de conclusies indicaties zijn. De verstrekte gegevens zijn namelijk niet voor alle coropgebieden weergegeven en de aggregatie tot coropniveau kan een verkeerd beeld geven van de onderliggende verhoudingen. Het is aan te bevelen deze analyses als uitgangspositie te gebruiken voor een analyse op objectniveau en wanneer het mogelijk is over meerdere jaren toe te passen.
47
5. De regionaal economische gegevens 5. 1 Inleiding Dit hoofdstuk schept duidelijkheid in en legt een theoretische basis voor de analyses die in het volgende hoofdstuk toegepast worden. De in het vorige hoofdstuk besproken performancemaatstaven van de ROZJIPD INDEX worden beïnvloed door een groot aantal factoren. In dit hoofdstuk zal ik deze factoren bespreken, ze in een aantal klassen verdelen waarna ik de werking van de vastgoedmarkt, en dus de invloed van deze factoren zal beschrijven. In dit hoofdstuk bespreken we de noodzaak van deze analyses, vanwege een aantal restricties en de implicaties voor de keuze van de performancebeïnvloedende factoren. De gekozen regio-indeling en de werking van de factoren worden beschreven en de theoretische grondslag wordt gelegd.
5.2 Performancebeïnvloedende factoren De rendementen op verschillende soorten typen vastgoed worden bepaald door verschillende economische factoren. Deze factoren kunnen worden onderscheiden als de economische factoren, de locatiefactoren en de vastgoedfactoren (Kim, J, 1996). Met de economische factoren refereren we naar economische condities op nationaal niveau, terwijl de locatiefactoren refereren naar aspecten op regionaal niveau. Tenslotte worden de individuele karakteristieken van de objecten beschreven door de objectfactoren. We zien dat de omvang van het gebied dat beïnvloed wordt door elke type factor bepalend is voor deze classificatie. de Factoren Economische Factoren
Locatiefactoren
Objectfactoren
een Omschrijving De toestand van de nationale economie De toestand op de financiële markten Veranderingen in belastingwetgeving Lokale vraag en aanbod Beleid met betrekking tot ontwikkeling en planning Functionele aspecten van het object Esthetische aspect van het object Fy~ische a~p~ct van het object
Onderzoeksmogelijkheden Een tijdreeks-analyse. De data moeten voor meerdere jaren beschikbaar zijn Een cross-sectionele analyse. De data moeten beschikbaar zijn op regionaal niveau over één of meerdere jaren Elke gewenste analyse. De data moeten wel beschikbaar zijn op objectniveau (Kim.J, 1996)
Aan de hand van bovenstaande tabel kunnen we concluderen dat een factor die een groter gebied beïnvloedt ook zijn uitwerkingen heeft op de onderliggende factoren. De toestand van de nationale economie overkoepelt de locatiefactoren en de locatiefactoren overkoepelen de objectfactoren. Ook wordt duidelijk wat de analysemogelijkheden op dit moment zijn met behulp van de data verkregen uit de ROZ/IPD INDEX. We beschikken alleen over data over het jaar 1995 omdat de index recentelijk tot stand gekomen is. Dit brengt met zich mee dat er geen tijdreeks-analyses mogelijk zijn, maar dat we uit moeten gaan van een cross-sectionele analyse. De vertrouwelijkheid van de gegevens verstrekt door de 26 deelnemers van de index gaf een tweede restrictie. Wanneer we namelijk de gegevens op objectniveau verstrekt zouden krijgen, zouden we kunnen achterhalen welke institutionele belegger welke performance verwezenlijkte. Door het IPD werd gesteld dat de performance op een geaggregeerd niveau van minimaal 10 objecten beschikbaar was. Een cross-sectionele analyse op geaggregeerd niveau was dus noodzaak voor het eerste onderzoek met de ROZJIPD INDEX. Dit impliceerde automatisch dat de analyse zich moest gaan richten op de invloed van verschillende locatie factoren op de marktwerking van Nederlands vastgoed. Een cross-sectionele analyse in het jaar 1995 betekent dat Nederland in gebieden
48
verdeeld moest worden, waarvan verwacht werd dat het onroerend goed in deze gebieden een homogene reactie had op de verschillende locatiefactoren. De verdeling van Nederland in 40 coropgebieden werd als de beste methode beschouwd die aan bovenvermelde restricties kon voldoen.
5.3 Analyse van de lokale economie Wanneer we de lokale economie gaan bekijken met haar invloed op de performance van vastgoed, onderzoeken we eigenlijk de factoren die invloed hebben op de vraag en het aanbod van ruimte. Deze analyse van veranderingen vraag en het aanbod schept licht in de prijsvorming van vastgoed. De gangbare theorie over dit onderwerp zal ik hieronder weergeven. Een analyse van de lokale economie bestaat uit drie stappen. De eerste stap is het identificeren van de regionale grenzen. De tweede stap is het bekijken van de aard en de grootte van de economische activiteit. Ten derde worden de veranderingen in het niveau en de samenstelling van de toekomstige economische activiteit geschat.
5.4 De werking van de vastgoedmarkt In deze paragraaf scheppen we duidelijkheid in de theorie achter de analyses van het volgende hoofdstuk. We verklaren de invloed van de verschillende locatiefactoren aan de hand van de werking van de ruimtemarkt en de effecten op de beleggingsmarkt. We scheppen eerst duidelijkheid door middel van de theorie over de ruimtemarkt, om vervolgens met behulp van de beleggingsmarkt de invloed van de verschillende factoren op de performance van het vastgoed uit de drie sectoren te verduidelijken. Het evenwicht in de vastgoedmarkt kan verklaard worden door de werking van de ruimtemarkt en de kapitaalmarkt (Fisher, Hudson-Wilson, Wurtzebach, 1993). De krachten die de beleggingsmarkt van vastgoed in evenwicht brengen ontstaan vaak in de ruimtemarkt en een ongelijkheid in de ruimtemarkt is opgelost door de werking van de beleggingsmarkt. De spelers in de ruimtemarkt zijn de gebruikers van de ruimte en de aanbieders van ruimte. De ruimtegebruikers zijn prijselastische consumenten die de ruimte beschouwen als produktiefactor. De vraag naar ruimte is dus een afgeleide vraag die eigenlijk bepaald wordt door de vraag naar produkten of diensten die in een ruimte zijn ontstaan of die door gebruik van deze ruimte zijn ontstaan. Ruimte is dus een produktiefactor die gelijk is aan arbeid of aan kapitaal. Op korte termijn is de produktiefunctie vast en hangt de vraag naar ruimte af van het aanbod. Het aanbod van ruimte is inelastisch op de korte termijn, en prijselastisch op de lange termijn. Eigenlijk is voor ons het evenwicht in het verschil tussen de vraag en het aanbod van belang, omdat dat gedeelte door beleggers uit de beleggingsmarkt wordt gewaardeerd ten opzichte van andere beleggingsmogelijkheden. Vastgoed heeft bepaalde karakteristieken, die wezenlijk verschillen van bijvoorbeeld aandelen of obligaties. Deze worden vertaald in bepaalde risico en rendementskarakteristieken, die door de beleggers worden verwerkt in een bepaald gewenste rendement hetgeen zich vertaald in een "Capitalization Rate". Dit geeft de verhouding aan tussen dat wat de beleggers willen betalen voor hun inkomsten die ze ermee kunnen genereren. Het onderstaande figuur geeft de relatie aan tussen de ruimtemarkt en de beleggingsmarkt, het geeft inzicht in de korte en lange termijn werking en in de evenwichten in elke markt. We hebben de situatie aangegeven van een stijging in de ruimtevraag en kunnen zien dat het vraagniveau op de korte termijn ruimte markt op een hoger niveau komt te liggen. Omdat het aanbod van ruimte op korte termijn vast is, komt daarom de huur per object op een hoger niveau te liggen. Deze hogere huur per object zorgt voor een ongelijkheid in de werkelijke huur per object en de markthuurwaarde per object. Dit verschil resulteert in een prikkel tot nieuwbouw, hetgeen pas op lange termijn verwezenlijkt kan worden. Op lange termijn zal de marktprijs weer terugzakken naar het oude niveau, de winstmogelijkheden voor ontwikkelaars zijn er niet meer en het evenwicht is hersteld. De Prijselasticiteit van de vraag beïnvloed de mate van prijsverandering en laat de koppeling van de twee markten zien. Wanneer er een verandering in de vraag naar ruimte of naar panden optreedt zal het evenwicht tussen de vraag en het aanbod verstoord worden. De prijselasticiteit van
49
de vraag is een maat van de relatieve verandering in de vraag naar de hoeveelheid panden resulterend uit de relatieve verandering in de waarde of de prijs van de panden. Prijs Elasticiteit =o/o verandering in hoeveelheid I o/o verandering in prijs Het onderstaande raamwerk geeft dus een denkkader, dat toepasbaar is op elke ruimte beïnvloedende factor. We weten echter dat er in de werkelijkheid de eerder genoemde belangrijke vertragingen, anticipaties of informatie inefficiënties bestaan. In de werkelijkheid komen de veranderingen niet zo helder voor als onderstaand is weergegeven. Beleggingsmarkt
Ruimtemarkt Korte Termijn
Huur/eenheid
Huur/eenheid
___ ï __________ _
-----------, I I
I I
----'I ~
Bestaand aanbod
M'
M.
eenheden
\
Marktprijs
per eenheid
Lange Termijn Huur/eenheid
Huur/eenheid
Korte termijn winst
Constructiekosten pereenheid
Lange termijn ' eenheden Aanbod Nieuw lange termijn aanbod
(Fisher, Hudson-Wilson, Wurtzebach, 1993)
5.4.1 De regionale grenzen Er zijn een aantal mogelijkheden om Nederland in te delen. We denken aan een indeling op administratief-geografische basis, op bestuurlijk-geografische basis, economisch-geografische basis. We hebben een indeling van Nederland gevonden die een combinatie van deze karakteristieken heeft. Het is de coropindeling geworden. De Coördinatie Commissie Regionaal Onderzoeksprogramma van het Centraal Bureau voor de Statistiek heeft omstreeks 1970 de coropindeling ontworpen. Bij de opzet van de indeling stond het nodale indelingsprincipe voorop (CBS, 1996). Dit modale indelingsprincipe houdt in dat er een gebied gevormd wordt met centrumgemeente met een grote aantrekkingskracht op haar omland. Het zijn gebieden met weinig regio-overschrijdend verkeer en met als doel een regionale verscheidenheid aan te duiden. Dit indelingsprincipe kon echter niet als enig criterium worden
50
gehanteerd, wat inhield dat er een beperking van het aantal gebieden noodzakelijk was om een aantal micro economische gegevens op dit niveau te kunnen presenteren. De economische homogeniteit is dus uitgebreid met een bestuurlijke inslag. De coropgebieden zullen namelijk de provinciegrenzen niet overschrijden en hiermee is de coropindeling een regionale indeling geworden tussen de gemeenten en provincies in. De gehanteerde coropindeling heeft ons de mogelijkheid gegeven om economisch homogene gebieden te definiëren, wat impliceert dat binnen elk coropgebied er éénduidige invloed van de locatiefactoren op de vastgoed markt aanwezig is. Over het gebruik van geografisch onderscheid op basis economisch homogene gebieden is meer geschreven in het licht van de diversificatietheorie. Institutionele beleggers hebben de mogelijkheid om hun portefeuille op een aantal manieren te diversifiëren. De meest gebruikte categorieën om een directe vastgoedportefeuille te diversifiëren is de toepassing in de categorieën regio of sector (Eichholtz, Hoesli, MacGregor, Nanthakumaran, 1995). Over de diversificatie op regionaal niveau is veel gepubliceerd. Een aantal onderzoeken in de Verenigde Staten hebben een indicatie gegeven dat diversificatie op regionaal niveau effectiever is wanneer de regionale gebieden onderscheiden worden op economische basis in plaats van een administratieve basis (Malizia, and Simons, 1991) (Mueller, 1993) (Hartzell, Shulman, and Wurtzebach, 1987). Achter deze analyse op regionaal economische basis wordt de veronderstelling gemaakt dat de overeenkomsten in economische structuur en performance eenzelfde invloed hebben op de performance van vastgoed. Wanneer we deze redenatie volgen hebben de onderliggende economische factoren, of in ons geval de locatiefactoren, een homogene invloed op het vastgoed in de coropgebieden.
5.5 De economische activiteit
5.5.1 Inleiding De economische basis voor een lokale economie bestaat uit een aantal activiteiten dat de huishoudingen met de zakelijke markt verbindt. Deze activiteiten kunnen beschreven worden door een aantal variabelen, die in de volgende paragrafen uiteengezet worden. De verschillende locatiefactoren zijn over het algemeen door het Centraal Bureau voor de Statistiek (CBS) samengesteld. De locatiefactoren beïnvloeden de vraagkant van onroerend goed. Het is een afgeleide vraag want de vraag naar onroerend goed wordt eigenlijk bepaald door de vraag naar hetgeen wat er door middel van de investering in dat commercieel onroerend goed wordt voortgebracht. We kunnen dan bijvoorbeeld denken aan kantoorwerk of aan detailhandelsomzet. Onroerend goed is dus eigenlijk te beschouwen als een produktiefactor. De factorprijs van deze produktiefactor is naast arbeid en kapitaal afhankelijk van de vraag en het aanbod en door een combinatie van deze factoren zal het mogelijk zijn om diensten of goederen te leveren en economische activiteiten te ontplooien (Fraser, 1984). Nederland vertoont een regionale verscheidenheid in economische activiteiten. Deze regionale verschillen worden al enkele decennia van overheidswege bestreden met het regionale beleid, wat betekent dat de bijdragen uit de regio's de nationale welvaartsontwikkeling beïnvloeden. Economische activiteiten vinden hun oorsprong in produktiecapaciteiten . Een produktiecapaciteit schept het vermogen produktieve prestaties te leveren. Een veronderstelling is dat wanneer de produktie capaciteit toeneemt, de ruimte waarin deze capaciteit gerealiseerd moet worden ook toeneemt. Onroerend goed is dus eigenlijk de produktiefactor die de mogelijkheid geeft om te produceren. Om de vraag naar onroerend goed te begrijpen, moeten we ons bewust zijn van de mate van importantie van de locatie, in regionale als in lokale zin (Fraser, 1984). Wanneer een gebouw eenmaal is gebouwd, kunnen we het niet meer verplaatsen naar waar de vraag voor haar diensten het grootst is. Dit is de bepalende factor van verschil in performance tussen objecten uit verschillende regio's. In de volgende paragrafen zijn er een aantal regionaal economische factoren opgesomd, of in onze termen een aantal factoren die invloed hebben op de locatiefactoren. De verbanden met de performance van Nederlands vastgoed zijn hieronder weergegeven.
51
5.6 De werkzame beroepsbevolking
5.6.1 Inleiding Het CBS geeft in de enquêtes beroepsbevolking de totale werkzame beroepsbevolking van 15 tot 64 jaar naar coropgebied. Naast dit begrip wordt het begrip "Werkzame Personen" gehanteerd wat het aantal personen weergeeft dat in een bepaalde periode betaalde arbeid heeft verricht, ook al is dat maar een of enkele uren per week. Volgens de beroepsbevolkingdefinitie van het CBS worden tot de beroepsbevolking gerekend: Personen die tenminste 12 uur per week werken, gaan werken of willen werken. De werkzame beroepsbevolking houdt alle personen in die per week ten minste twaalf uur werken. De laatst genoemde lijkt mij de best bruikbare indicator van het aantal werknemers en de toename van het aantal werknemers en hun invloed op vastgoed. We beschikken over cijfers van de werkzame beroepsbevolking van personen tussen de 16 en 64 jaar is voor de jaren 1988 tot en met 1995. We beschikken over de totalen per jaar en de veranderingen per jaar. De grote van de beroepsbevolking bepaald de omvang van de vastgoedmarkt. Kantoorpersoneel moet immers in kantoren gevestigd worden, er moeten huizen voor gebouwd worden en de omzetten van de winkels worden hierdoor bepaald. De vraag die nu gesteld wordt is de mate waarin de beroepsbevolking, of de stijging van de beroepsbevolking de rendementen van vastgoed bepaald en in hoeverre er sprake is van een timelag.
5.6.2 Totale werkzame beroepsbevolking De nabijheid van een beroepsbevolking is van invloed op de winstgevendheid van produktie of verkoop en heeft dus invloed op de waarde van verschillende panden (Fraser, 1984). De totale werkzame beroepsbevolking is ook een indicator van de bedrijvigheid in een bepaalde corop, wat inhoudt dat er een invloed bestaat op de vraag en het aanbod van bedrijfs of kantoorpanden. Wanneer we de dichtheid van de beroepsbevolking berekenen door de totale werkzame beroepsbevolking te delen door de oppervlakte van het coropgebied, kunnen we deze verhoudingen ten opzichte van de huren van bijvoorbeeld de kantoorpanden zetten.
5.6.3 Veranderingen in werkzame beroepsbevolking Een toename of een afname van de werkzame beroepsbevolking kan voor ons ook van belang zijn. Er is een verband te leggen tussen een toename in de werkzame beroepsbevolking en de vraag naar bedrijfspanden. Wanneer de vraag naar panden stijgt zal ook de prijs van een pand stijgen. Wordt er bijvoorbeeld door wat een maatregel (van overheidswege) of andere economische aard banen gecreëerd zal er tevens ruimte gecreëerd moeten worden. Er zal zich een uitbreidingsvraag of een vervangingsvraag voordoen. Dit betekent dat de markthuur en waarden van in de winkel en kantorenmarkt zullen stijgen.
5. 7 Het Bruto Regionaal Produkt De weergegeven toegevoegde waardes zijn de bruto toegevoegde waardes tegen marktprijzen wat gevormd wordt door het verschil tussen de produktiewaarde en het intermediair verbruik binnen een bepaald corop gebied. Een ander woord voor de gegenereerde toegevoegde waarde van een bedrijf is de in het bedrijf gevormde inkomen. Wanneer we het totaal van de toegevoegde waardes in een bepaalde regio optellen vormen we het bruto regionaal produkt. De gegevens zijn verstrekt
52
door het CBS in de tijdreeksen regionale economische jaarcijfers 1970 -1994. Helaas zijn de cijfers voor het jaar 1995 niet direct voor handen. Op basis van de totalen voor de provincies in 1995 is er een projectie gemaakt voor de verschillende coropgebieden. Wel is er een onderscheid gemaakt tussen de totale toegevoegde waarde op corop niveau en de toegevoegde waarde gegenereerd door bedrijven die voornamelijk gevestigd zijn in kantoorpanden. We maken dit onderscheid tussen de totale toegevoegde waardes per coropgebied en de toegevoegde waardes vergaard in kantoorpanden door de toegevoegde waardes van het bankwezen, de verzekeringssector en onroerend goed en zakelijke dienstverlening samen te voegen (Grootendorst, 1994). De relatie tussen het bruto regionaal produkt en de diverse performance maatstaven van de ROZ/IPD index is naar mijn mening sterk. Een toename in het bruto regionaal produkt zal inhouden dat de benodigde vierkante meters waarbinnen dit verwezenlijk wordt zal moeten toenemen. Een toename in de vraag naar gebouwen in de commerciële sector betekent een grotere krapte op de markt. De markthuur en marktwaarden van bestaande panden zullen in theorie stijgen.
5.8 Het Inkomen Als indicator van de bestedingsmogelijkheden in een regio wordt vaak gebruik gemaakt van het gemiddeld besteedbaar inkomen per hoofd van de bevolking. De hoogte van dit gemiddelde hangt samen met het percentage inwoners met inkomen en hun gemiddeld inkomen. Het gemiddelde besteedbaar inkomen is een belangrijke indicator voor de detailhandel. De analyse van de performance van vastgoed in de winkelmarkt, wordt eigenlijk gebaseerd op de analyse van de vraag naar het produkt of de dienst die verkocht worden in de winkelruimte. De vraag naar een produkt is weer een functie van het aantal consumenten en het inkomen van de consumenten. Het inkomen per hoofd van de bevolking kan gebruikt worden om een koopkracht variabele te construeren. Wanneer de koopkracht stijgt, stijgt de vraag naar goederen en dus stijgt de vraag naar ruimte (Cam, Rabianski, Racster, Seldin, 1988). Aan de hand van door het CBS beschikbaar gegevens kunnen we een aantal van de bovenstaande variabelen construeren. Omdat het CBS niet de juiste gegevens op coropniveau voor het jaar 1995 kon leveren, moeten we een aantal aannames en projecties maken. Het inkomen wordt bepaald door de lonen per coropgebied. Deze zijn beschikbaar tot en met het jaar 1994, waarvan dit laatste jaar een voorlopig cijfer is. Voor het jaar 1995 moesten we dus een projectie per coropgebied maken. Dit hebben we gedaan door te kijken wat de lonen op provincieniveau zijn. Dit inkomen gerelateerd aan het aantal inwoners per coropgebied geeft het gemiddeld besteedbaar inkomen weer per hoofd van de bevolking. Hierdoor krijgen we onze koopkrachtvariabele en kunnen we verbanden gaan onderzoeken tussen de koopkrachtontwikkeling en de performance van de winkelsector. Het besteedbaar inkomen van huishoudens naar samenstelling van huishouden is voor de perioden 1993 en 1994 verkrijgbaar. Deze variabele zal naar alle waarschijnlijkheid een verband hebben met de vraag naar woningen en dus de performance van de woningmarkt. De verandering in koopkracht per huishouden geeft aan dat er een verandering optreed in de submarkten. Wanneer het inkomen stijgt, stappen mensen met hun woning van de ene submarkt over naar een hogere submarkt.
5.9 De Bevo/king(sgroei) De totale bevolking en bevolkingsgroei is verstrekt aan de hand van publikaties van het CBS (CBS, Bevolking der gemeenten). De percentages zijn samengesteld aan de hand van de werkelijke aantallen personen op 1 januari en 31 december. De bevolkingsgroei is natuurlijk een directe indicator voor de performance op de woning, winkel en de kantorenmarkt. Op de woningen markt zal het invloed hebben op de vraag naar woningen, op de winkelmarkt zal er sprake zijn van veranderende omzetten en in de kantorenmarkt zullen de aantallen te gebruiken vierkante meters toenemen door een toename in het aantal werkenden. Een toename van de bevolking zal de prijzen doen toenemen.
53
5.10 Conclusie In dit hoofdstuk is aangegeven waarom de eerste data van de ROZ/IPD INDEX op deze manier onderzocht moesten worden. De theorie achter de verbanden tussen de locatiefactoren en de performance van Nederlands vastgoed is uitgelegd en de gekozen locatiefactoren zijn uitvoerig beschreven. Het doel van dit hoofdstuk was inzicht te verschaffen in de analyses van het volgende hoofdstuk en er een theoretische basis voor te leggen. We hebben gekozen voor een cross-sectioneel onderzoek op coropniveau in het jaar 1995, omdat we te maken hadden met twee restricties. Ten eerste was er geen geschiedenis waarmee een tijdsanalyse uitgevoerd kon worden. Ten tweede hadden we te maken met een vertrouwelijkheidsprobleem, waardoor er alleen gegevens op een geaggregeerd niveau konden worden verstrekt. De locatiefactoren zijn homogeen binnen een bepaald coropgebied en worden verondersteld een homogene invloed op de werking van vastgoed te hebben. Deze invloed wordt bepaald door de vraagkant van de ruimtemarkt, waarop de locatiefactoren in bijna alle gevallen een afgeleide invloed uitoefenen. We hebben verschillende locatiefactoren beschreven en de bronnen en constructiemethoden vermeld. Van deze locatiefactoren wordt verondersteld dat ze een homogene invloed op onroerend goed hebben. De locatiefactoren zijn onder andere het inkomen, de bevolking, de beroepsbevolking en het bruto regionaal produkt.
54
6. Verbanden van economische factoren en de IPD Performancemaatstaven 6. 1 Inleiding Dit hoofdstuk staat in het teken van een verkenning naar de mogelijke verbanden tussen een aantal economische factoren en de performancemaatstaven van de ROZ/IPD INDEX en is gebaseerd op de eerder getrokken conclusie, die vaststelde wat de onderzoeksmogelijkheden op dit moment zijn. Deze conclusie hield in dat een cross-sectioneef onderzoek op coropniveau noodzakelijk was om de eerste beschikbare data van de index te gebruiken voor een eerste willekeurige analyse. Tussen de verschillende besproken locatiefactoren en de performancemaatstaven van de drie sectoren zijn de correlatiecoëfficiënten berekend welke in tabelvorm aan het begin van elke paragraaf zijn weergegeven. Deze coëfficiënten geven de mate van samenhang weer tussen de variabelen of geven een indicatie van de mogelijkheid dat verschillen in performance van vastgoed verklaard kunnen worden door regionaal economische verschillen. In de volgende paragrafen worden de verschillende analyses per sector uiteen gezet en dit hoofdstuk wordt afgesloten met een samenvatting en een conclusie. De gestelde probleemstelling van dit hoofdstuk kan als volgt verwoord worden:
•
Welke economische factoren hebben verband met of invloed op de marktwerking van Nederlands vastgoed in 1995 en zijn cross-sectioneef te analyseren?
6.2 De methoden en technieken De analyses in dit hoofdstuk gaan in op de relaties tussen de marktwerking van Nederlands vastgoed in de winkel-, kantoren- en woningmarkt in 1995 op coropniveau. Het is praktisch om duidelijkheid te scheppen in de gebruikte statistische analyses en de noodzaak te verantwoorden van de verschillende methoden. Hier zien we het eerste probleem opdoemen, aangezien we alleen over de performancegegevens uit 1995 beschikken kunnen we alleen een oordeel uitspreken over dat jaar. De verbanden hoeven dus niets te zeggen over andere jaren en kunnen dus een eenmalig verschijnsel zijn. Tevens beschikken we maar over een beperkt aantal waarnemingen. Nederland wordt door het Centraal Bureau voor de Statistiek verdeeld in 40 coropgebieden, waarvan de performancegegevens maar voor een beperkt aantal gebieden beschikbaar waren. De woningmarktgegevens waren beschikbaar voor 36 gebieden, de winkelmarktgegevens voor 32 coropgebieden en de kantorenmarktgegevens waren maar beschikbaar voor 17 gebieden. Hoe minder gegevens we hebben hoe minder betrouwbaar onze analyses zijn. Tevens waren niet alle gegevens beschikbaar voor 1995, hetgeen betekende dat voor een aantal factoren een projectie gemaakt moest worden en een aantal factoren samengesteld moest worden aan de hand van gegevens die wel beschikbaar waren. Op voorhand moeten we dus toegeven dat de resultaten uit de analyses een indicatie moeten zijn voor de werkelijkheid en dat dit aanzet moet geven tot verdergaand onderzoek en tot een grotere beschikbaarheid van de data. De verbanden worden aangeduid met behulp van de Pearson Correlatie Coëfficiënt. We kunnen hierdoor op een snelle manier de sterke en zwakke verbanden onderscheiden en hebben hierdoor een indicatie voor verdere analyse. Door middel van de correlatiecoëfficiënt bekijken we in wezen of twee of meerdere reeksen op dezelfde plaats een hoge of lage waarneming hebben. De coëfficiënten kunnen tussen de -1 en de +1 variëren.
55
6.3 De winkelmarkt De analyse van de performance van vastgoed in de winkelmarkt, wordt eigenlijk gebaseerd op de analyse van de vraag naar de produkten of de diensten die verkocht worden in de winkelruimte. De vraag naar een produkt is weer een functie van het aantal consumenten en het inkomen van de consumenten. Het inkomen per hoofd van de bevolking kan gebruikt worden om een koopkracht variabele te construeren; wanneer de koopkracht stijgt, stijgt de vraag naar goederen en dus stijgt de vraag naar ruimte. Door middel van de onderstaande analyse zal ik een verband leggen tussen de verschillende performancemaatstaven van de winkelmarkt en het totale inkomen, het totale aantal inwoners, en het inkomen per hoofd van de bevolking oftewel de koopkracht. De tabel 6.3.1 geeft schematisch de resultaten van enkele correlaties weer, welke worden besproken in de komende paragrafen.
De grootte van de bevolking en de performance van vastgoed in de winkelmarkt hebben een verondersteld verband, dat tot stand komt vanwege de afgeleide vraag. De bevolking vraagt eigenlijk naar de produkten die in de winkels verkocht worden. Een relatieve grotere bevolking per winkel zal een groter inkomen voor de winkeleigenaar inhouden, maar ook direct impliceren dat de eigenaar van het winkelpand hogere huren kan vragen en dus een hoger rendement op zijn pand kan behalen. Het draait dus om de verhouding tussen het aantal winkels of het vloeroppeiVIak en de hoogte van de bevolking. Aangezien we niet over gegevens van vloeroppeiVIakten op coropniveau kunnen beschikken moeten we de hoogte van de totale bevolking als indicatie beschouwen. Een hogere totale bevolking levert de winkelsector een hoger inkomen op, hetgeen een hoger inkomen voor beleggers in winkels kan opleveren. We zien dat de logische correlatie tussen het belegde kapitaal en de bevolking groot is met een correlatiecoëfficiënt van 0,874. We krijgen wel twee interessantere waarnemingen onder ogen. We zien een relatief grote correlatiecoëfficiënt van 0,511 tussen de totale bevolking en de netto inkomensgroei. Dit verband kan impliceren dat een grotere bevolking een grotere inkomensgroei veroorzaakt in de winkelsector, aangezien het verband significant is bij een 5% significantieniveau. Tevens zien we relatief grote correlatiecoëfficiënten meer geen significante verbanden tussen de hoogte van de bevolking en de huren, waarbij de werkelijke huur een wat kleiner verband heeft dan de markthuur. In figuur 6.3.2 is het verband tussen de inkomensgroei van de winkelsector en de hoogte van de totale bevolking weergegeven. Fiauur 6.3.2 Het verband tussen de inkomensgroei en de totale bevolking
10-
**
t!. .b ïii
*
*"-***A .. :.* . .
eCl
~
Q)
0-
t. *
E
~
·10
-l.r--.---..---..,---,----...---.----.J 0
200
400
600
800
1000
1200
1400
Totale Bevolking *1 000
56
De bevolkingsdichtheid is hier een maatstaf voor het aantal mensen per vierkante meter land, en zou een betere indicator voor de performance moeten zijn dan de totale bevolking omdat dan de verschillen in oppervlakten van de coropgebieden teniet gedaan worden. Zij geeft echter alleen logische positieve verbanden tussen de markthuur en de werkelijke huur. Deze verbanden zijn echter niet significant bij een 5% significantieniveau en lager dan bij de gewone bevolking. Er zijn geen significante verbanden geconstateerd tussen de bevolkingsdichtheid en de yields, terwijl het lichte negatieve verband wel te verklaren is door het grotere risikopotentieel dat een dunbevolkt gebied met zich meebrengt. De veranderingen in de bevolking gaven in absolute als in relatieve zin geen logisch of significante verbanden met de current of reversionary yield of andere factoren. De toename in de bevolking kan een indicator voor de performance zijn, aangezien er een lange bouwtijd van de winkels bestaat. Door deze tijdsfactor kunnen de prijzen per vierkante meter stijgen, tot het aanbod zich aan de prijs aanpast. De toename van het aantal oppervlakten loopt dus wat achter, hetgeen wil zeggen dat een toename in de bevolking, de performance van de winkelpanden kan opschroeven. We zien daarom ook een positief maar niet-significant verband met de netto inkomensgroei. De indicatie voor het inkomen zijn in onze analyses de totale lonen geweest. Het directe loon was de beste beschikbare indicator voor vraag naar winkelprodukten in een bepaald gebied, want het verschil tussen het besteedbaar inkomen en de lonen wordt grotendeels opgeheven omdat we een cross-sectionele analyse uitvoeren. In onze analyses komt het sterke verband naar voren tussen de totale lonen en het belegde kapitaal, of de huren. Dit zijn allebei hoeveelheidsmaten die bepaald worden door de randstad. Verder is er een sterke en logische verbanden geconstateerd tussen de lonen of het totale inkomen en de netto inkomensgroei van 0,482. Het verband is echter niet significant bij een 5°/o significantieniveau. We zouden beter kunnen kijken naar het loon per persoon, oftewel de benadering van het besteedbaar inkomen per persoon. Dit geeft een indicatie weer van de koopkracht van een aantal mensen in een gebied ten opzichte van de andere gebieden. De resultaten uit de analyses stellen niet helemaal tot tevredenheid. De veronderstelling dat de verschillen in koopkracht een belangrijke factor zou kunnen zijn in de prijsbepaling op de winkelmarkt wordt niet bevestigd.
6.4 De kantorenmarkt Zoals in het vorige hoofdstuk is aangegeven, wordt de prijsvorming van kantoorpanden bepaald door de vraag en het aanbod, aan de hand waarvan we hier een aantal regionale variabelen hebben weergegeven die de vraag naar kantoorpanden beïnvloeden. Deze zijn gebaseerd op de werkzame beroepsbevolking en het bruto regionaal produkt. Tabel 6.4.1 zal de resultaten beknopt weergeven, die vervolgens in de komende paragrafen behandeld worden.
0,573
0,954
0,059
0,674
0,669
I -0,278
! -0,460
I -0,218
l -o, 189
0,351
0,182
o. 130 I -0,057 I 0,298
I 0,256
! -0,088
I -o, 163
-0,089
0,628
0,648 I -0,625
l -0,038
I -0,287
i -0,367
I -0,347
0,112
-0,184
-0,310
! 0,218
! 0,129
! 0,208
! 0,304
0,046
I -0,499
Wanneer we de totale werkzame beroepsbevolking correleren met de verkregen data van de kantorenmarkt valt er een sterk, maar ook logisch verband op. De correlatiecoëfficiënten tussen de
57
totale werkzame beroepsbevolking en het belegde kapitaal per coropgebied zijn erg groot en significant. We zien dat de coëfficiënten van de jaren 1990 tot en met 1995 een waarde aannemen van circa 0,87. Het is logisch dat een groot belegd kapitaal ook meer vierkante meters impliceert waar meer mensen kunnen werken. Het direct rendement van de coropgebieden liet geen onderlinge grote verschillen liet zien, waardoor de kapitaalgroei voor 95°/o de veranderingen in het totale rendement verklaarde. Desondanks zien we een significant en negatief verband tussen de hoogte van de beroepsbevolking en het directe rendement. De correlatiecoëfficiënt ligt nu rond de -0,5 en het aantal werkzame personen in een coropgebied is voor 26,5o/o verklarend voor de hoogte van het direct rendement. De betrouwbaarheid van dit verband was ook voldoende. We vonden een hoge F-waarde met een p-waarde die onder ons 5o/o significantieniveau zat. We kunnen dus concluderen dat in de gebieden waar een grote beroepsbevolking werkzaam is, een lager direct rendement op beleggingen in kantorensector moet worden verwacht. Het verband wordt in onderstaande figuur 6.4.2 weergegeven. Fiauur 6.4.2 Het direct rendement en de totale beroepsbevolking 11
-r-------------------------------,
'#. .!i
c:
10-
Q)
E
..,..*
Q)
~ ö
~
~
9-
** 8-
**
1
T
100
200
300
400
500
Totale beroepsbevolking *1000
De kapitaalgroei gaf wel een grote verscheidenheid over heel Nederland terwijl er nu een zwak verband wordt geconstateerd, hetgeen ertoe leidt dat het totale rendement ook geen significant verband houdt met de hoogte van de beroepsbevolking. Het aantal werkzame personen is wel een verklarende factor van 18,2°/o voor het totale rendement van de kantorenmarkt, maar dit verband is absoluut niet significant. Wat interessanter is de correlatie tussen de hoogte van de werkzame beroepsbevolking en de huren. Er bestaat een positieve correlatie van ongeveer 0,5 wat inhoud dat waar er een grote beroepsbevolking werkzaam is er ook relatief hogere huren zijn. Dit is ook logisch omdat de situatie in de randstad hier grote invloed op heeft. De regressies tussen de werkzame beroepsbevolking en de huren per vierkante meter zijn significant bij 5o/o significantieniveau, maar ze zijn niet zo verklarend. Zij is rond de 19o/o verklarend voor de kantorenmarkt en is weergegeven in figuur 6.4.3 Fiauur 6.4.3 De markthuur en de totale beroepsbevolking 260-
:::: 250-
c:
~ 240-
~
230-
0..
220-
Q)
j
210-
* * *
~ 200Cll
E
190-
Q)
Cl 180170~-----T-----.----~----~----~
0
1 00
200
300
400
500
Totale beroepsbevolking *1 000
58
We besluiten met de conclusie dat de correlaties met de totale werkzame beroepsbevolking en de data van de kantorenmarkt geen schokkende resultaten geven. Er zijn logische en significante verbanden geconstateerd met de hoeveelheid belegd kapitaal, het inkomensrendement en de huren. Toch zien we dat deze conclusie beïnvloed wordt door de rol van enkele gebieden uit de randstad, die telkens een extreme waarneming geven. Wanneer we een vergelijking maken tussen de coropgebieden betreffende het verband met de werkzame beroepsbevolking, moeten we eigenlijk de dichtheid van de beroepsbevolking per coropgebied berekenen want op deze manier corrigeren we de coropgebieden voor hun grootte. Naar alle waarschijnlijkheid zien we een aantal te verklaren veranderingen optreden. Het belegde kapitaal is namelijk groter en de coropgebieden zijn kleiner in de randstad dan in de provincie. Natuurlijk zwakt de sterke correlatie tussen de hoeveelheid belegd kapitaal en de gecorrigeerde beroepsbevolking wat af. De correlatiecoëfficiënten liggen nu rond de 0,55. Dit is waarschijnlijk veroorzaakt door de invloed van het aantal grote provinciale coropgebieden en het feit dat je een relatieve term met een absoluut getal vergelijkt. De dichtheid van de werkzame beroepsbevolking is voor nu voor ongeveer 28°/o verklarend voor het belegde kapitaal en is significant bij een 5o/o significantieniveau. Dit in tegenstelling tot met het verband met de werkzame beroepsbevolking van 73°/o. De dichtheid van de werkzame beroepsbevolking is ook een betere indicator voor de kapitaalgroei en het totale rendement. De correlaties met de kapitaalgroei stijgen van de -0,03 naar de -0,28. Het totale belegde kapitaal per coropgebied beïnvloed dit verband erg sterk, we zouden kunnen zeggen dat waar de dichtheid van de beroepsbevolking het grootst is, er een grotere kapitaalgroei verwacht moet worden. Toch zien we een sterker negatief verband ontstaan, dat te wijten is aan het sterke verband met het totale belegde kapitaal. We zien een veronderstelde ontwikkeling van het verband van de huren per vierkante meter met de gecorrigeerde beroepsbevolking. De correlatie tussen de huren en de gecorrigeerde werkzame beroepsbevolking is groter dan met de ongecorrigeerde beroepsbevolking. De dichtheid van de werkzame beroepsbevolking en de huren hebben een correlatie van rond de 0.66 gekregen. Dit betekent dat hoe meer mensen er op een vierkante meter moeten werken, hoe groter de produktiviteit per vierkante meter is en hoe hoger de huren per vierkante meter zijn. Het bovenstaande is weergegeven in figuur 6.4.4. Fiauur 6.4.4 De markthuur en de dichtheid van de beroepsbevolking 260:;:: 250-
c
'N
24o-
~
230-
Q.
220-
Cl)
~
210~200-l
*
E 190-
*
Cl)
0
180
~
**
ö
*
170~----------~r-----------r-----~
0
500
1000
Dichtheid van de beroepsbevolking *1 000
Wanneer op een bepaald moment de beroepsbevolking toeneemt zal er meer ruimte moeten komen om deze extra mensen te huisvesten. Het is dus waarschijnlijk dat een toename in de werkzame beroepsbevolking een toename in de vraag naar ruimte en het belegde kapitaal impliceert, hetgeen de verhouding tussen het aanbod en de vraag doet veranderen, wat aanzet tot een bepaalde prijsvorming. Het verband tussen de inkomensgroei op de kantorenmarkt en de verandering van de werkzame beroepsbevolking per coropgebied, zal een positief verband hebben. De werkende beroepsbevolking is een produktiefactor. Een grotere beroepsbevolking zal een relatief hogere produktiviteit geven, hetgeen een relatief hoger inkomen impliceert. Wanneer er in een gebied een relatief hoger inkomen wordt gegenereerd zal dit ook zijn invloed hebben op het inkomen dat op vastgoed gegenereerd kan worden. We kijken naar de verbanden en zien eigenlijk alleen in het jaar 1995 een sterker positief verband. We zien een correlatiecoëfficiënt van 0,35; maar moeten concluderen dat het niet significant is.
59
Naast de werkzame beroepsbevolking is het bruto regionaal produkt de tweede bestudeerde locatiefactor. Deze factor zal tevens invloed uitoefenen op de vraag naar ruimte en zal dus ook een prijs en performance bepalende factor zijn. Nu was het mogelijk een onderscheid te maken tussen de totale toegevoegde waarde en de toegevoegde waarde gegenereerd door bedrijven die voornamelijk gevestigd zijn in kantoorpanden. We maken dit onderscheid tussen de totale toegevoegde waardes per coropgebied en de toegevoegde waardes vergaard in kantoorpanden door de toegevoegde waardes van het bankwezen, de verzekeringssector en onroerend goed en zakelijke dienstverlening samen te voegen (Grootendorst, 1994). Deze gegevens waren alleen tot en met 1994 beschikbaar, waardoor we op basis van de gegevens op provincieniveau een projectie hebben moeten maken voor de gegevens op coropniveau voor 1995. We bekijken eerst de invloed van het totale bruto regionaal produkt en daarna de verandering in het bruto regionaal produkt. Dit bruto regionaal produkt is de opsomming van de toegevoegde waardes voornamelijk vergaard in kantoorpanden en geeft de mate aan van activiteit binnen een coropgebied. Een grote toegevoegde waarde impliceert een groot ruimte gebruik. Wanneer er een groot inkomensniveau wordt gegenereerd zal er ook een groter rendement op het vastgoed kunnen worden verkregen. Een zeer logische en sterke correlatie met het totale bruto regionaal produkt heeft het belegde kapitaal. We zien een correlatie van 0,954. Het bruto regionaal produkt als voorspeller van het belegde kapitaal is erg significant en voor 90o/o verklarend. Ook zien we eenzelfde verschijnsel als in het geval van de totale werkzame beroepsbevolking met het inkomensrendement, de kapitaalgroei en het totale rendement. We zien weer een correlatiecoëfficiënt van ongeveer -0,6 met het inkomensrendement en lage positieve verbanden met het indirecte en totale rendement. Ook de huren hebben weer een correlatie van ongeveer 0,6 met het bruto regionaal produkt. Een groter inkomen in een co rop brengt grotere huren met zich mee zoals we zien in figuur 6.4.5. Fiauur 6.4.5 Bruto Regionaal Produkt en de markthuur 260;;;:: 250.E C\1 240-
~
230-
*
Q)
0.22{)-
~ :g
210200-
t1l
** *
E 190Q)
0
180-
**
170 ~--------,.--------,--l 10000 20000
Bruto regionaal product in mln.
De verandering in het bruto regionaal produkt berekenen we in percentages. Een toename in eenheden vertoont grotere correlatiecoëfficiënten dan de toename in percentages, maar grote coropgebieden zullen naar alle waarschijnlijkheid ook een grotere toename in het bruto regionaal produkt kennen, zodat dit waarschijnlijk een vertekend beeld oplevert. Een toename in het bruto regionaal produkt impliceert dat er een hoger inkomen vergaard wordt, wat met zich mee brengt dat het inkomen dat vergaard wordt op het vastgoed waarschijnlijk ook hoger kan zijn. Tevens kunnen we het bruto regionaal produkt beschouwen als een output van onze produktiefunctie, waar vastgoed de ruimte verschaffende rol speelt. Wanneer er een grotere output gerealiseerd wordt, zal er ook een grotere ruimte voor de produktiefactor nodig kunnen zijn. Een toename in percentages van het bruto regionaal produkt gaf geen significant en hoge correlaties met de performancemaatstaven. Eén verband opviel was het inkomensrendement, het heeft het meest logische en grootste verband 0,218; dan met alle andere performancemaatstaven. Het is het betrouwbaarste geconstateerde verband met de procentuele verandering in het bruto regionaal produkt, maar het is helaas niet significant.
60
6.5 De woningmarkt De marktwerking van woningen wordt aan de hand van een aantal locatiefactoren verklaard. Deze factoren spelen in op de vraag naar woningen, oftewel naar ruimte. De locatiefactoren die wij bekijken zijn: de totale bevolking en bevolkingsdichtheid, de verandering in de totale bevolking, het inkomen, de koopkracht, de woningvoorraad en de woningdichtheid. Deze verschillende factoren zullen in theorie een verband hebben met de performance van de woningmarkt, zoals beschreven in hoofdstuk 5. De resultaten van de analyse op coropniveau zijn vermeld in onderstaande tabel 6.5.1 en worden de komende paragrafen uitvoeriger behandeld.
In deze paragraaf bekijken we de verbanden tussen de totale bevolking of de totale bevolkingsdichtheid en de performancemaatstaven van de woningsector. Wanneer we kijken naar het verband tussen de totale bevolking en het belegde kapitaal zien we een sterke maar ook uiterst logische relatie met een correlatiecoëfficiënten van 0,868. De hoogte van de bevolking in verband gebracht met de performancemaatstaven geeft echter geen hoge correlaties, wat wil zeggen dat de hoogte van de hoogte van de bevolking geen verklarende variabele voor de performance op de woningmarkt is. De bevolkingsdichtheid kan wat meer zeggen over de performance dan de totale bevolking omdat dan voor de grootte van de coropgebieden gecorrigeerd wordt, maar wanneer we naar de dichtheid van de bevolking per vierkante meter land kijken zien we dat de correlaties tussen de performancemaatstaven en de dichtheid nog steeds klein en niet significant zijn. De toename van de bevolking in procenten is geen significante verklarende factor voor de verschillende performancemaatstaven, maar deze correlatiecoëfficiënten vertonen een relatief sterkere, negatieve en logische correlatiecoëfficiënt. Aangezien een hogere bevolking een kleiner risiko impliceert, zullen de yields wat lager uitvallen. De woningvoorraad en de woningdichtheid per coropgebied zijn samengesteld uit verschillende tabellen van het CBS( Bevolking der gemeenten van Nederland op 1 januari 1995). We kunnen door middel van verandering in deze factoren de aanbodkant van de woningmarkt bekijken. Een invloed van het aanbod van ruimte op onze performancemaatstaven zal in eerste instantie bepaald worden door de woningvraag. De verhouding tussen de vraag en het aanbod heeft invloed op de prijsvorming en de performance van woningen. Wanneer we naar de voorraad kijken kunnen we alleen een logisch verband trekken met het totale belegde kapitaal. Deze hebben logischerwijs een grote correlatie. De woningdichtheid waarvan verondersteld werd dat het een groter verband onderhield met de performance in de woningmarkt is erg teleurstellend. Zij geeft zelfs lagere correlaties met de performance dan de totale bevolking. De toename van de woningvoorraad en de woningdichtheid zijn ook geen significante indicatoren voor onze performancemaatstaven. Het grootste positieve verband, is het verband met de kapitaalgroei. Het is logisch dat wanneer de woningvoorraad stijgt er een kapitaalgroei is. De gebieden met de grootste verandering in woningdichtheid bezitten ook een groot belegd kapitaal. Deze verbanden zijn het grootst voor de veranderingen in de voorraad (0,85) dan in de dichtheid (0,4). Er werd verondersteld dat het inkomen een belangrijke factor was in het voorspellen van de performance in de woningmarkt. We keken daarom naar verbanden tussen de performancemaatstaven en het totale loon, de verandering in het loon en de koopkracht die naar veronderstelling een sterk verband hebben. Dit viel allemaal wat tegen. Het totale loon had een
61
sterke positieve, logische correlatie met het totale belegde kapitaal, maar verder zijn er geen significante verbanden of hoge correlatiecoëfficiënten geconstateerd.
6.6 Conclusie In dit hoofdstuk zijn verschillende locatiefactoren in verband gebracht met de omvang van de verschillende sectoren en de performance in deze sectoren, met tot doel verschillen in de performance per regio te verklaren. Elke sector bezit zijn eigen identiteit en wordt door verschillende factoren beïnvloed. De locatiefactoren zijn gekozen aan de hand van de restricties die in het vorige hoofdstuk zijn beschreven en zodoende was het noodzaak voor een enkele factor een projectie te maken voor het jaar 1995. De geconstateerde significante verbanden zijn in bijna alle gevallen veroorzaakt door de invloed van en de situatie in de randstadgebieden. Dit werd veroorzaakt door het relatief klein aantal waarnemingen die gebruikt zijn in onze analyses. De volgende alinea's sommen de resultaten op en geven een verklaring voor het gedrag. De winkelmarkt bezit een 32 tal coropgebieden waar gegevens beschikbaar voor waren en waarvan het volume en de performance is vergeleken met de totale bevolking, de verandering in de totale bevolking, de bevolkingsdichtheid, het totale inkomen en tenslotte de koopkracht. De correlaties tussen de omvang van de winkelmarkt en de locatie factoren zijn erg groot. In bijna alle gevallen zijn sterke significante verbanden geconstateerd bij een 5o/o significantieniveau. De verbanden met de performancemaatstaven zijn erg klein en niet significant, maar we zien een uitzondering in het significante verband tussen de inkomensgroei en de totale bevolking. Deze laatsten hebben namelijk een correlatiecoëfficiënt van 0,511. Dat een hoge bevolking een indicatie kunnen zijn voor gebieden met een hoge inkomensgroei kunnen we hieruit concluderen. Relatief hoge, maar helaas niet-significante verbanden van 0,465 zijn geconstateerd tussen de hoogte van de bevolking en de huren. Een grotere bevolking komt dus voomarnelijk voor in gebieden met een hoge huur. De omvang en de performance van de kantorenmarkt is in verband gebracht met een klein aantal variabelen. We hebben gekeken naar verbanden met de totale werkzame beroepsbevolking, de verandering in werkzame beroepsbevolking, de dichtheid van de werkzame beroepsbevolking, en tenslotte het bruto regionaal produkt voortgebracht in kantoorpanden en de verandering in bruto regionaal produkt wat voomarnelijk is voortgebracht in kantoorpanden. Zoals ook in de winkelmarkt naar voren is gekomen zijn de verbanden sterk tussen de volume van de kantorenmarkt in een coropgebied en de verschillende locatiefactoren. De performance had in enkele gevallen een significant verband met de locatiefactoren. Er was een significant negatief verband zichtbaar tussen het direct rendement en de hoogte van de werkzame beroepsbevolking en het bruto regionaal produkt. We zien dat deze conclusies veroorzaakt zijn door de invloed van de randstad. Dit zijn de drie coropgebieden die allen relatief grote concentratie kennen en een aanzienlijke leegstand bezitten, waardoor het directe rendement op kantoorpanden gedrukt wordt. De hoogte van de werkzame beroepsbevolking had ook een significant verband met de hoogte van de werkelijke huren en de markthuur. De dichtheid van de werkzame beroepsbevolking was echter nog een sterker verklarende variabele met een correlatie van 0,66. De marktwerking en de omvang van de woningmarkt werd in verband gebracht met de totale bevolking, de verandering in de totale bevolking, de bevolkingsdichtheid, het aantal woningen, de woningdichtheid, het totale inkomen, en de koopkracht. Ook hier zijn er weer sterk significante verbanden geconstateerd tussen de omvang van de vastgoedmarkt en de verschillende locatiefactoren. De locatiefactoren waren in geen enkel geval significant verklarend voor de performance van de woningmarkt. We vonden wel wat sterkere, negatieve en logische verbanden tussen de verandering in de totale bevolking en de yields. Een toename van de bevolking in een bepaald gebied impliceert een lager risiko voor een belegger in woningen, hetgeen een lagere yield impliceert.
62
7. Conclusie We zijn de scriptie gestart met een beschrijving van de noodzaak, de geschiedenis, de constructiemethoden, de probleemgebieden en de toekomstmogelijkheden van de ROZ/IPD INDEX. De ROZ/IPD INDEX is de eerste taxatie-index van Nederland en heeft een lange ontwikkelingsfase achter de rug, hetgeen enerzijds veroorzaakt werd door een groot aantal huiverige institutionele beleggers die eigenlijk niet gemeten wilden worden en anderzijds door de complicaties die optreden bij de constructie van een index die betrouwbaar is en niet te globaal. De ROZ/IPD INDEX voorziet in een jaarlijkse benchmark voor Nederlands vastgoed maar is ook in staat een individuele portefeuille analyse te maken van elke deelnemer. De toekomst zal toch een meer frequentere index vragen, waarvoor de repeated-measures-regression-method van Geltner (1996) een oplossing kan gaan bieden. De index moet een handzaam middel worden om in de dagelijkse praktijk mee te werken. Een kwartaal of zelfs maandelijkse index kan waarschijnlijk aan de toekomstige vraag van de institutionele beleggers voldoen, waardoor ook met grotere regelmaat regionale rendementsentwikkelingen kunnen worden geconstateerd. De toekomstige onderzoeksmogelijkheden, die de index gaat scheppen zijn talrijk en onuitputtend. De ROZ/IPD INDEX zal dé vastgoed database van Nederland worden, welke gegevens zal gaan verschaffen over minimaal de winkel-, de kantoren, en de woningmarkt van Nederland. Het "inputferm" van de index, of het invulformulier naar welke standaard de deelnemers hun objectinformatie moeten verstrekken staat als basis voor de onderzoeksmogelijkheden. Dit formulier is weergegeven in Appendix A zodat het duidelijk is welke informatie er beschikbaar zal zijn. Er zijn op dit moment nog twee complicaties aanwezig, die in de toekomst in mindere mate zullen spelen. Het vertrouwelijkheidsprobleem zorgde ervoor dat er allen gegevens op regionaal niveau beschikbaar waren. Voortaan zullen er ook onderzoeken op (gecodificeerd) objectniveau mogelijk moeten zijn, hetgeen betekent dat de verschillende institutionele beleggers hun goedkeuring hiervoor moeten gaan verlenen. Ten tweede zijn er tijdreeksen nodig om termijnanalyses te maken. Aangezien het niet mogelijk was om betrouwbare historische tijdreeksen te construeren, waren er op het moment van dit schrijven alleen nog de data van 1995 beschikbaar. Dit betekent dat het nog enige tijd duurt om een goed onderzoek uit te kunnen voeren. Als eerste toepassing van de verkregen data is een poging gedaan een positie van Nederlands vastgoed op de vastgoedcyclus weer te geven, hetgeen is nagetrokken aan de hand van een publikatie van DTZ Zadelhoff. Aan de hand van een vergelijking van de twee bronnen is een voorzichtige conclusie getrokken dat de kantorenmarkt zich in de laatste fase van een neergaande kant van de cyclus zou kunnen zitten. De omvang en performance van de drie sectoren in de verschillende coropgebieden is in kaart gebracht en de regionale verschillen en overeenkomsten aangegeven. Wanneer we de verschillen en overeenkomsten in omvang en rendementen in kaart brengen, kunnen we als conclusie trekken dat op de plaatsten waar de omvang of de geconcentreerdheid van de drie markten het grootst is, niet noodzakelijk het rendement het grootst is. De gebieden in de randstad hebben over het algemeen een lager rendement dan de gebieden in het noorden of oosten van het land, hoewel deze laatste gebieden qua omvang natuurlijk marginaal zijn. Er worden hogere yields waargenomen in gebieden die relatief dunbevolkt of afgelegen zijn, hetgeen de risikomaat weergeeft die een belegger aan een bepaalde regio geeft. De gebieden in de randstad hebben relatief lage yields en zouden dus wat minder risikovol moeten zijn. We kunnen concluderen dat in de winkelmarkt over het algemeen de geschatte markthuren gemiddeld wat hoger liggen dan de werkelijk ontvangen huren. Op de kantorenmarkt zijn lagere ontvangen en markthuren van toepassing dan op de winkelmarkt. Aan de hand van een histogram kunnen we zien dat er is sprake van twee concentraties van 200 gulden en van 240 gulden. Deze laatste van 240 gulden zijn voomarnelijk de gebieden in de randstad of gebieden met een sterk verstedelijkt karakter. De gemiddelde markthuur op de kantorenmarkt ligt in tegenstelling tot de winkelmarkt wat onder de werkelijk ontvangen huur. Opvallend is dat de gebieden; Agglomeratie Leiden en Bollenstreek en Flevoland een hogere markthuur dan de werkelijk ontvangen huur op de kantorenmarkt hebben, terwijl bij alle andere gebieden de markthuur onder de werkelijke huur ligt.
63
Bij beleggingen op de kantorenmarkt in Nederland moet emstig rekening worden gehouden met een negatieve kapitaalgroei. Opmerkelijk is dat het grootste directe rendement in Twente was behaald en het laagste in Groot-Amsterdam. Er zijn over het algemeen hogere directe rendementen in gebieden als Zuid-Limburg en Flevoland dan de verstedelijkte randstadgebieden. Wat betreft de aantallen objecten en het belegde kapitaal constateren we geen normaliteit, een sterke correlatie tussen de sectoren en door middel van de clusteranalyse onderscheiden we vier coropgebieden ten opzichte van de rest van Nederland. Door constatering van de sterke correlatie tussen de sectoren, kunnen we concluderen dat de verdeling van de concentratie van het aantal objecten binnen elke sector ongeveer gelijk is. We constateren dit in- en exclusief de vier coropgebieden uit de randstad met de grote steden. De cluster analyse bevestigt het onderscheid tussen de coropgebieden Utrecht, Groot-Amsterdam, Agglomeratie 's-Gravenhage en GrootRijnmond en de rest van Nederland. De performancemaatstaven geven, soms na eventuele eliminatie van extremen, een normale verdeling. Dit betekent dat er één cijfer mag worden toegekend aan de performance van een bepaalde sector over heel Nederland, maar we mogen nu nog niet zeggen dat er ondanks het geografisch onderscheid in de objectconcentraties geen geografisch onderscheid gemaakt mag worden in de performance van Nederlands vastgoed. Het is namelijk mogelijk dat een aantal gebieden structureel onder of bovenin de verdeling liggen. We zien dat de verdeling van de omvang van de vastgoed markt niet overeenkomt met de verdeling van de performance. De verdelingen van de performance maken namelijk geen sterk onderscheid tussen de randstad en de rest van Nederland. Op basis van de breedte van de verschillende normale verdelingen kunnen we concluderen dat regionale verschillen in het totale rendement binnen de winkel- en de woningsector substantieel zijn, hetgeen een regionaal diversificatiepotentieel impliceert. Het totale rendement op de kantorenmarkt gaf een veel geconcentreerder beeld. De diversificatiemogelijkheden tussen de sectoren hebben we onderzocht door middel van de Pearson Correlatie coëfficiënt. Deze coëfficiënten tussen dezelfde performancemaatstaven en de verschillende sectoren zijn over het algemeen erg laag. We bekijken of er tussen de sectoren bepaalde coropgebieden eenzelfde relatie ten opzichte van de andere gebieden vertonen door middel van een clusteranalyse. In een enkel geval kunnen we dat namelijk met het directe rendement tussen de sectoren. We zien een cluster dat bestaat uit Groot-Amsterdam, Agglomeratie 's-Gravenhage, Groot-Rijnmond en Zuidoost-Noord-Brabant. Dit cluster bezit een groot Randstadgehalte. Het hoofddoel van deze scriptie was een verkennend onderzoek uit te voeren naar de verbanden van verschillende locatiefactoren met de omvang van de verschillende sectoren en de performance in deze sectoren. Na een juiste definiëring en verkenning naar verschillende performance beïnvloedende factoren, zijn de verbanden tussen de performance en een economische factor onderzocht door middel van het berekenen van een correlatiecoëfficiënt. De correlaties tussen de omvang van de winkelmarkt en de locatie factoren zijn erg groot. In bijna alle gevallen zijn sterke significante verbanden geconstateerd bij een 5°/o significantieniveau. De verbanden met de performancemaatstaven zijn erg klein en niet significant. Een uitzondering is het significante verband tussen de inkomensgroei en de totale bevolking. Deze laatsten hebben namelijk een correlatiecoëfficiënt van 0,5. Relatief hoge, maar helaas niet-significante verbanden hebben we geconstateerd tussen de hoogte van de bevolking en de huren. De omvang en de performance van de kantorenmarkt is in verband gebracht met een klein aantal variabelen. Zoals ook in de winkelmarkt naar voren is gekomen zijn de verbanden sterk tussen de volume van de kantorenmarkt in een coropgebied en de verschillende locatiefactoren. Het directe rendement heeft een sterk negatief verband met de totale werkzame beroepsbevolking en het bruto regionaal produkt zichtbaar. De hoogte van de werkzame beroepsbevolking had ook een significant verband met de hoogte van de werkelijke huren en de markthuur in de kantorenmarkt De dichtheid van de werkzame beroepsbevolking was echter nog een sterker verklarende variabele met een correlatie van 0,66.
64
Op de woningmarkt zijn sterk significante verbanden geconstateerd tussen de omvang van de vastgoedmarkt en de verschillende locatiefactoren. De locatiefactoren waren in geen geval significant verklarend voor de performance van de woningmarkt.
65
8. Geraadpleegde Literatuur Bailey, M., R. Muth, H. Nourse, "A regression Method tor Real Estate Price Index Construction.", Journalof the American Statistica/ Association, Vol.58: pp.933-942, 1963 Brealy, R.A. en S.C. Myers, Principlesof coroporate finance, Me Graw-Hill, 4th edition, 1991 Brown, G.R., Property fnvestment and the Capita/ Markets, 1991 Carn, N., J. Rabianski, R. Racster, M. Seldin, Real Estate Market Analysis, techniques and applications, Prentice Hall, 1988. Case, K., R. Shiller, ''The efficiency of the market tor single Family Homes", American Economie Review, 79 (1), pp.125-137, 1989 Centraal Bureau voor de Statistiek, Bevolking der gemeenten van Nederland op 1 januari 1995, Voorburg/Heerlen, 1996 Centraal Bureau voor de Statistiek, Loop van de bevolking per gemeente 1994, Voorburg/Heerlen, 1996 Centraal Bureau voor de Statistiek, Loop van de bevolking per gemeente 1995, Voorburg/Heerlen, 1997 Centraal Bureau voor de Statistiek, Regionale economische jaarcijfers 1995, Voorburg/Heerlen, 1997 DTZ Zadelheft, "de Nederlandse markt voor commercieel vastgoed 1996" Visie achter de feiten, Utrecht, 1997 I
Dubben, N., S. Saycel Property Portfolio Management, 1991 Eichholtz, P .M.A., M. Hoeslil B.D. MacGregor, N. Nanthakumaran~"Real estate diversification by property type and region", Joumal of Property Financel Volume 6 No.3, pagina 39-59, 1995. Everitt, Brian, Cluster Analysis, secend edition Halsted Pressl 1980 I
Famal E.F., "Risk, return and equilibrium: some clarifying comments"l Joumal of Finance, 1968, 3, 29-40 Fisher,J, D.Geltner, R.B.Webb; "Value indices of commercial Real Estate: A comparison of index Construction Methods" Journal of Rea/ Estate Finance & Economics, 9(2) 137-164, 1994 I
Fisher, J.D. S. Hudson-Wilson, Ch.H. Wurtzebach, "Equilibrium in Commercial Real Estate Markets: Linking Space and Capita! Markets", Journalof Portfolio Management, Summer 1993, 101-107 1
Fraser, W.O., Principlesof Property fnvestment and Pricing, Macmillan Education LTD, 1984 Gau, G.W., "Efficient Real Estate Markets: paradox or paradigm", AREUEA Journal, 15:2, pp1-12 Geltner, D., "Bias & Precision of Estimates of Housing lnvestment Risk Based on Repeat-Sales lndexes: A Simuiatien Analysis", Journal of Real Estate Finance & Economics, 1996 Geltner, D., ''The Repeated Measures Regression Based Index: A suggestion for Constructing Appraisai-Based Indices of Commercial Property Value", Real Estate Finance, 12:4, 1996
66
Geltner, 0., "Real Estate Risk Measurement: Gomparing Commercial Property with Gornon Stocks", in Proceedings of the 1994 AIMR Real estate Conference, Association for lnvestment Management and Research (AIMR), Charlottesville, Virginia, 43-49, 1995 Gengerelli, J.A. "A method tor detecting subgroups in a population and specifying their membership", J. Psychol., 5, 456-468, 1963 Gooi, P. van en Weisz, R.M. en van Wetten, P.G.M., Onroerend goed als belegging, Stenfert Kroese, 1993 Goetzmann, W.N. and R.G. lbbotson, "The performance of real estate as an asset class", Joumal of app/ied coroporate finance, volume 13, no.1, pp.65-76 Grootendorst, J., De markthuur op kantorenmarkten in Nederland, Tinbergen lnstitute Research Series, 1994 Hartzell, O.J., O.G. Schulman, and C.H. Wurtzebach, "Refining the analysis of regional diversification for income-producing real estate", Joumal of Real Estate Research, Vol.2 No.2, 1987, pp.85-95 Have, G.G.M., ten, Taxatieleer onroerende zaken, Stenfert Kroese Uitgevers, 1992. Jaffe, A.J and C.F. Sirmans, Fundamentals of Real Estate /nvestment, Prentice Hall, 1989 Kim, J, "Effects of the economie and location factors upon the Sydney industial proparty markef', paper submitted to the Sth annual international real estate conference, Orlando, 1996 Kluwer Bedrijfswetenschappen & Centraal Bureau voor de Statisitiek, Assurantie Jaarboek 1997, 1996 Lukkes, P., A.J. Krist, P.J.M. van Steen, Kantorenmarkt, investeren en ruimte, Vonk Uitgevers, 1987 Malizia E.E. and R.A. Simons, "Comparing Regional Classifications for Real Estate Portfolio Diversification", Joumal of Real Estate Research, 1991, 6:1, 53-77 Markowitz, H.M. (1959), "Portfolio selection, efficient diversification of investmenf', Moore, O.S., McCabe, G.P., Statisitiek in de Praktijk, Academie Service, Schoonhoven, 1994 Mueller, G.R., "Refining economie diversification strategies for real estate portfolios", Journat of Real Estate Research, Vol.8 No.1. 1993, pp.55-68 Raad voor Onroerende Zaken, ROZI/PO INDEX lnforrnatiemap, 1995 The Royal lnstitute of Chartared Surveyors, Understanding the Property Cycles, Main Report: Economie Cycles and Property Cycles, 1994 Vismans, P.A.R.J., "De ROZ-Vastgoedindex", Vogon Journaal, nummer 1, 1992 Wallace, C.S., Boulton, O.M., "An information measure tor classification", Computer Joumal, 11, 185-1 941 1968
67
I lMfl•liiiiiAODRESstF;Jiit•ar IPO a1 a2 a3 a4
!NUMI 11.1 11.2 I 11.3 I 11.4 I aS I 1.5 I a6 11.6 I a7 11.7 I a8 11.8 I a9 11.9 a10 11.10 a11 11.111
OEF 16,1 16,1 16,1 16,3 16.1 16,1 16.1
4.0
REFERENTIE GEGEVENS IPD referentie nummer Object Naam Straatnaam en Huisnummer Plaatsnaam Deelnemers object referentie nummer Postcode(42j Hulsnummer Toevoeging Huisnummer Regio Naam Deelnemer Et9eriaarsctassificalie
'Mj
~
REFERENCE DATA IPD Raferenee Number Proparty Name Sireet Name and Housenumber Town Client Proparty Raferenee Number Post Code (4 2l House Number Addition lo House Number Reaion FundName Fund Type (Piease refer to Guldalines tor Completion form)
Format IPO lext text lext alphnum alphnum num álphnum IPO text code
P.RORERliWF. IPO p8 p46 p9 p17 p.24 p.40
)>
-o -o
::::J 0.
x·
~ ......
r
TRANSAKTIE GEGEVENS !Maand van Aankoop !Jaar van Aankoo~p-----fKoOpsom-exeliJstetAant
kosten !Koopsom InclusiefAankoopkosten l1n/1ouding OP Koopsom !Maand van Verkoop______
p87 13.9 1 23.10 !Verkoopsomminus Verkoopkosten p100 {3.10( 23.8 !Inhouding op Verkoopsom ~-
Units
Level IPO
Status
per: 31 december 1194
iJ
,lnvuldatum: PLEASt COMPLETE
max40 max40 max40 max40 NNNNLL max4 max4 IPO max100 Please Select
3
2
5
4
ITRANSACTION DATA IMonth of Purchase !Year of Purchase !Net Purchase Prlce IGross Purehese Price IRatention on Purchase Price IMonth of Safe Yearof Safe Gross Sale Price !Net Safe Reeeipts IRatention on $ale Price
Format code
Units
yyyy
num
Level
IPO IPO coda
3
2
4
1
Pleasa Select
2
3
4
5
num
I
MM
1
I I I
YYYY
1
num num
I I
n. n.
I I
tl. num
1 1995 I 1995 I 1995 I 1995
I
I
I
I
tl. tl.
I 1995
MM
1
IPO IPO
yyyy
I I
PLEASE COMPlETE Please Select (see Form)
1
1995
'NlJAIIEUf.Efl~
IPD t32 t63 164 t65 166 t67 t6B 169 t70 t71 t72 t73 17 4 175 t76
INUMI
OEF
IJMRLIJKSE S1ATUS GEGEVENS
I 4. 1 I !Deelnemers aandeel in Oblect In % I 4.2 I 16.2 JEinde van hetiaar-IO{her)ont\'likkeling (jin) I 4.3 I16.2123.11Aantal maanden in (her)onlwikkellno
I 4.4 I 14.5.11 14.5.21 14.5.31 14.5.41 14.5.51 14.5.61 14.6.11 14.6.21 14.6.31 14.6.41 !4.6.51 177 14.6.61 1100 14.7.01 t36 I 4.9 I
25.1 25.4 25.4 25.4 25.5 25.5 25.4 25.4 25.4 25.4 25.5 25.5 25.4
!Bruto vloeroppervlak !Verhuurd vloerOppervlak Winkels !Verhuurd vloeroppervlak Kantoren !Verhuurd vloeroppervlakBedriifshalllen !Units Verhuurde Woningen !Units Verhuurde Paikeeilifaatsen !Verhuurd vloer®pervlak Overig ILaëgstaandvfoeroppervlak Wtnkels ILeegstaancfvlOeroooervlak Kantoren ILeeostaand vloer0i:>i>erv1ak 13edrîjfshallen !Units Leegstaand Wonlogen !Units Leegstaarld Parkeerplaatsen !Leegstaand vloerOPPervlak O'lerkl ITotaaiAantaiEenhedan ltntemf!Ëxtem Baheer
ANNUAL STATUS DATA OwnershiP Share % oevetopiTientorrediveloPrrienlat 31112 CYes=1lNo"'2l Number of months In {re)developmantin currt~nt year Total Gross Intsmal tloor area Total Renled Area retaif Total Renled Area offices Total Renled Area lndustrial Total Renled Units residential Total Renled Units oaiklng Total Renled Area other Vacant Area lretail) Vacant Aarea(offlcesl Vacant Area (industrlal) Vacant Units Cresldentlal) Vacant Units lOarkinal Vacant Area Cother) Total Number of Units
Format
Managecilntemally.J1~ernally@
code
OEF
Units
Level
PLEASE COMPLETE
%xx.xx code
Please Select, number metras metras me tres metras num num me tres metres me tres metras num num matras num
Yes
=
1 • No
=
2
1994
Please Select, lntemal = 1,
Ëxtemal = 2
Notes:
Notes:
IPO NUM
6
I
IPROPERTY DESCRIP110N DATA NUM OEF SEGMEN1 EN GEBRUIKSCLASSIFICA11E Juridische Status Grond(volle elgendom/erfpachUafgekOChfe ci!ffatura·Of fnterestèFreefiOidj[easefiOidfPaid-off L'hold) 5.1 7.0 Jaar van aflOOP Eifi>achi/Canón Herzien~ -~ .... IYellr ofHead Lease EXpiry 5.1.1 !Predominant Çllfl'entl)s~t.teitfi~IR~!!illlridustótResldeniOthe 5.2 5.016.0 Beleggingscategorle/Ge&Ulkeisdassfficatle IRatall Locatlon 21.0 'Ninkelsegment - - 5.4 Kantorensegment IOfftce Location 5.5 20.0 Jaar oplevering (Nieuwbouw I {her)onlwikkelinQ) 1Con$truCtlon Data 5,6 23.1
p49 I 3.1 I 23.4 p50 I 3.2 I 23.2 p53 13.3 1 23.6 p54 I 3.4 I 23.7 -P99 T3.5 23.8 p84 I 3.6 I 23.5
I '·. ,. .
j
J
jDAtuM FORMULIER: 17 FEBRUARI1995
=coda dóor IPD toegekend aan veld
Level
= nummerit1o door ROZ
" verwlisd naar corresponderend nummer In bijbehorendedefin!Hëïljst wijiironëlerdlt begrip lS g~definl!Jafd (~>~· c!!(,nr,Jl,~l =verwlis~ naar een taxalierichlliin waarlil Staat omschreven hoe met difijegi]p moet worden oiTigega~n. {bq~Jax.!.H~ri(?f@in t= a.T
1995 IPO
=Vrtal VttaHort~iOns 1995+.1neful tor acctUisitions pra-1995 • Usaful, biJt n9t Vrtal Fi91ds toft)G Qcimplefe<ïtorca!eiidar vaars 1995 onward = Fields tolbe dornpleted bv IPO
= =
6
--
~"'>,~~
'
t-i
I .•om2.wk1 ROZ-IPO VASTGOEDINDEX ·INPUTFORM 2 DATA INPUT FORM I to be used In corllunctlon wlth data re ulrements ronn
t--
DATUM FORMULIER: 17 FEBRUARJ 1195 Status: per 31 december 1894 lnvuJdatum:
IPO a1 a5
NUM 1.1 1.5
IPO 137
NUM
OEF 16,3
OEF 26.6 26.4 26.4
~
-16
lä"2 !-
183 189
(1)
::l
a.
x·
REFERENCE DATA IPD Raferenee Number Cllent Proparty Raferenee Number
Fonnat IPO alphnum
'TAXA TIEWAAROEN PER 31112 Bruto Open Marktwaarde per 31/12 NON) Kopers Kosten Netto Open Ma11ctwaarde per 31112 {KK)
VALVATION tlfl31/12/1994 Gross Open Ma11cet Value Purchasers' costs (fixed at 7%) Net mal1cet value (aftar purchasers' cosls) (137 - 136)
Fonnat
VALUATION INPUTS TAXATIE INPUTS Method ofValuatlon (Conventlonal method•1 DCF•2) IWaarderingsmethode (8AR/NAR•1 OCF=2) 10.1/A.a/8 Verwachte Toek. Kapltaallnv. On enla laar)> 5% van KaPl !Antlelpated cepttal exPendlture > 5% CV? (y•1 n=2) Ooeretlng Costs Assumed % ot lncome (excl. ground rent) Gem. Exploitatlekosten als% (excl. Erfoachtcanonl B •nominaal gemiddelde van beschouwde periode)
180 181
)> '"0 '"0
REFERENTIE GEGEVENS IPO referentie nummer Deelnemers object referentie nummer
max40
Units ft.
n.
ft. code code %xx.x
A E
NAR/BAR METHODE Dlsconteringsvoet voor Correctieposten Netto yleld Cmal1c0
CONVENTIONAL METHOD only Discount rele applled to Reversion Net. Yleld (mel1cet)
%xx.x %xx.xx
A
CONTANTE WAARDE MODEL: DCF Beschouwde periode On taxatie-rapport) Aanname Markthuurgroei (norrllnaall Dlsconterinosvoet Cvereist rendemenU Ma11ctrendement bil desinvestering (Exit Gross Yleld) Ma11cthuurwaarde bij desinvestering CExlt Gross ERV) Restwaarde erfpachtcanon (na beschouwde oeriode\
OCF METHOC ontv DCF tenn In years Rental Growth Assumptlon (nomina!) Discount rate Exit Gross Yleld Exit Gross Estimaled Rental Value Exit Ground Rent Estlmaled Rental Value
num %xx.x %xx.x %xx.xx ft. ft.
HUURVERGELIJKING (per 31/12) Bruto Mal1cthuurwaarde totaal (op Jaarbasis) Bruto Mal1cthuur per m2 Actuele bruto huur (op jaarbasis) Actuele bruto huur per m2 (maatgevende huur) Huurverschil (op jaarbasis) Actuele Erfpacht (op Jaarbasis} Service Kosten per m2 (op jaarbasis)
RENTAL COMPARJSON ® 31112194 Estlmated rental value as at31/12 {valuatlon) Predominant Mal1cet Rent per m2 Rent Passing as al31/12 Predominant Rent Pald per m2.......---.. Rental dlfference as at 31/121\13 • t20) 1 Ground rent passing as et 31/1T"Service charges per square metre
Mal1cthuurwaarde verdeling over de belegglngscategorleên In %
ERV % In relall ERV% In office ERV % In lndustrlal ERV% In resldenlial ERV % In pal1clng ERV % In other
c
184 192 185 186 187 188
Unit•
D D
0 D
~ IPO 113 115 120 114 139 190 191 -
NUM
_E.!O
5.3.1 5.3.2
_e.u
OEF 8.2/G. 8.6/G. 8.1 8.5 8.4
--
13.9 6.0/8.2
_p_g_. ~- ·---
_p_.!L f-5.3.4 _e.!i_ ~
5.3.5 5.3.6
IPD !3 14
NUM 11.1 11.2
178 179
12.1 12.2
OEF
A GENTS Taxateur ObieetBeheerder ACCOUNTANT Accountant Vel1claring Aanwezla lla • 1
nee = 2}
A GENTS Valuer Manaalha Agent AUDITOR Auditor Auditor Reoort Attached Cves=1 no=2)
Units ft. ft. ft. ft. ft.
11. fl. %xx.x %xx.x %xx.x %xx.x %xx.x %xx.x
PLEASE COMPLETE
--
PLEASE COMPLETE
-
Level
-.... ..
••••• * ••••••••••••
Please Select Please Select
1 y •
1
2 n • 2
.................. ..................
......-. ......... .... ...
Level
PLEASE COMPLETE
. ...... ...-
...-
...... ...
Fonnat text text
Units max40 max40
level
text code
max40
-
Please select
V • 1
n • 2
Notes:
Notes: IPO NUM OEF
Fonnat
Level IPO
=code door IPO toegekend aan veld door ROZ • verwlfstm ar corresoonderend nummer in bijbehorende deflnltlelllst wa ronder dil begrip Is gedefinieerd (bijv. def.nr. 13.2) • verwil st n2 ar taxatlerlchtllln waarin staat omschreven hoe met dit beorit moet worden omgegaan. (biJv. taxatierichtlijn F a.).
=nummerin
level
.·-.. 1995 IPO
.. Vita! • Vital fo ace ulsltlons 1995+ useful for acaulsltlons ore-1995 • Useful but 'IOtVital • Flelds t be compieled for calander vears 1995 onward • FJelds t bEl compieled bv IPO
\ \
___j_ File: form3.wk1 ROZ·IPD VASTGOEDINDEX • INPUTFORM 3 DATA INPUT FORM I to be used in coniunction with data re ulrements form
DATUM FORMULIER: 17 FEBRUARI1995 Status: oer 31 december 1995 lnvuldatum:
"
IPO a1 as
NUM 1.1 1.5
'·RE
~ §
REFERENCE DATA IPD Raferenee Number Cllent Proparty. Raferenee Number
REFERENTIE GEGEVENS IPD referentie nummer 16,3 Deelnemers object referentie nummer
OEF
Format IPO alphnum
Units max40
Level IPO
-
.................
PLEASE COMPLETE
i
E IPD ·~
161 162 119 122 135
)> "'0 "'0 (1)
::J
c. ><"
~
t40 t41 t27 !42 t43 t25 t44 t45 t46 T47 t48 149 150 151 152 !53 133
NUM 6.1.1 6.1.2 6.1.3 6.1.4 6.1.5 6.1 6.2 6.2.1 6.2.2 6.2.3 6.2.4 6.2.5 6.2.6 6.2.7 6.2.8 6.2.9 6.2.10 6.2.11 6.2.12 6.2 6
OEF 17.1 17.2 15.1 17.6 17.5 17.4
Exploitatlekosten Belastingen· Onroerende zaak belasting Overige belastingen Erfpachtcanon Verzekeringen Subtotaal Vaste Kosten 13.1 Object Beheer 13.6 lnstandhoudings Onderhoud 13.7 Huurdersmutaties 13.1 Verhuurcourtage /Marketing Subtotaal Verhuur Kosten + Huurdersmutaties 13.10 Servlee Kosten e.r. 13.3 BlW 13.8 Oninbare huren 13.9 Overig Subtotaal Overige Kosten Totaal van Exploitatlekosten 13 17.3 Netto opbrengsten/Netto huurwaarde 13.2 13.2 13.4 13.11
a IPO 19 111 18
NUM
OEF 10.3
t10 1120 t30
OPERATING DATA Revenues/Recelpts Gross Rentallncome as lnvoleed Rent lost through Rentfree periods and/or reductions Rent of Vacancy Theoretica! Gross Annual RentaJineome (t21 + t61 +t62) Other lncome & Subsidies Total/neome Recelvable (t21+t22J
EXPLOITATIE Opbrengsten Bruto Huuropbrengsten Huurvrije perioden/Huurkortingen Financiêle leegstand Theoretische Bruto Huuropbrengsten Overig inkomen & Subsidies Totaal opbrengsten
13.3
Units
Level
fl. fl. fl.
1995 1995 1995 1995 1995 1995
....
tl.
fl. tl.
Operatlng costs Real estate tax Other property related taxes Ground Rent (leaseholds) lnsuranee Subtotal Flxed Casts (140 + 141 + 127 + t42J Property Mangement Maintenance Fitting Out Costs (Change of tenants) Letting & Marketing Fees Subtotal Letling Costs (145 + 146) Non Reeoversbie Service Charges Non Recovarable VAT lrrecoverable rents {written off) Miscellaneous Subtotal Other Casts (t48 + t49 + 150 + t51) Total Operatlng Costs (t43 + t25 + t44 + t47 + t52} Net lncome (t35 • t53)
11. fl. fl. ft. ft. tl. fl. tl.
tl. fl. tl. tl.
fl. fl. tl. tl.
fl.
1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995 1995
.................
PLEASE COMPLETE
.................
-
'(fUtillltl51
IW\PITAALKOSTEN Investeringen voor de aankoop van units Desinvesteringen voor de verkoop van units Netto Jaarlijkse Geactiveerde uitgaven Bouwrente ontvangen (eventueel geactiveerd) Ooterinaspercentage BlW Cumulatieve Historische Kosten
CAPITAL EXPENOITURE Expenditure in purchase of further units Receiots from safe of units Other net. capital expenditure Receiots of rolled-up interest (funded devefopments) Proportion of VAT recoverabled Historie Cost (running total of acQuiusilion + expenditure)
Format
Units fl. fl. fl. fl. %xx.x tl.
Level 1995 1995 1995 1995 1995
PLEASE COMPLETE
·-
Notes:
;Notes:
;po--
=code d >Or IPD toegekend aan veld
NUM -
= numme rina door ROZ
5Ei=-
Format
=verwijs naar corres2onderend nummer in bijbehorende definitielijst \ aaronder dit begrip is gedefinieerd (bijv. def.nr. 13.2r =verwijs naar taxatierichtlijn waarin staat omschreven hoe met dit be riomoet worden omgegaan. (bijv. taxatierichtlijn F aJ
Level
***
**
..
1995 IPD
= Vital = Vital fo ace uisitions 1995+ useful for acquisitions pre-1995
=Useful but not Vita! =Fields :>bE.1 compieled for calendar years 1995 onward =Fields to be comoleted bv IPD
I